Abstract Structural and functional neuroimaging have been widely used to track and predict demographic and clinical variables, including treatment outcomes. However, it is often difficult to directly establish and compare the respective weights and contributions of brain structure and function in prediction studies. The present study aimed to directly investigate respective roles of brain structural and functional indices, along with their contributions in the prediction of demographic variables (age/sex) and clinical changes of schizophrenia patients. The present study enrolled 492 healthy people from Southwest University Adult Lifespan Dataset (SALD) for demographic variables analysis and 42 patients with schizophrenia from West China Hospital for treatment analysis. We conducted a model fit test with two variables (one voxel-based structural metric and another voxel-based functional metric) and then performed a variance partitioning on the voxels that can be predicted sufficiently. Permutation tests were applied to compare the contribution difference between each pair of structural and functional measurements. We found that voxel-based structural indices had stronger predictive value for age and sex, while voxel-based functional metrics showed stronger predictive value for treatment. Therefore, through variance partitioning, we could clearly and directly explore and compare the voxel-based structural and functional indices on particular variables. In sum, for long-term change variable (age) and constant biological feature (sex), the voxel-based structural metrics would contribute more than voxel-based functional metrics; but for short-term change variable (schizophrenia treatment), the functional metrics could contribute more.

Motivation: Radiotherapy for nasopharyngeal carcinoma induces brain structural abnormalities, altering cortical microstructure. Goal(s): Longitudinally explore dynamic cortical microstructure changes over one year after Radiotherapy. Approach: We performed GM-based spatial statistics analysis (GBSS) on DTI and NODDI data, utilizing nonparametric permutation inference to identify dynamic alterations in diffusion metrics. Cortical regions were located in gray matter clusters by referring to the Desikan-Killiany atlas. Results: Bilateral temporal lobe MD reduced significantly, and NDI increased notably at six months post-RT, and these changes remained with larger clusters at 12 months. The affected gray matter regions included the entorhinal cortex, temporal pole, inferior temporal gyrus, and fusiform gyrus. Impact: The combination of DTI and NODDI allows for a more comprehensive understanding of the patterns of cortical microstructural changes induced by RT, offering the potential for early interventions in radiation-induced brain injury.

Abstract Skull base foramen invasion (SBFI) indicates poor prognosis in nasopharyngeal carcinoma (NPC). However, only a few studies systematically assessed the role of SBFIin staging and treatment of NPC. To investigate the prognostic value of SBFI in NPC, a total of 1,752 patients with nonmetastatic NPC from two hospitals (1,320 and 432) between January 2010 and March 2014 are enrolled. The primary endpoint is overall survival (OS). Heatmap/cluster and network analyses are used to provide subclassification indication. Univariate and multivariate analyses with Kaplan–Meier method are performed to compare survival outcomes. SBFIs are classified into slight (only foramen lacerum and/or pterygopalatine fossa invasion) and severe (other SBFIs). The severe SBFI is an unfavorable prognosticator for OS in both the entire cohort and the T3 group. OS is similar between T3 with severe SBFI and T4 patients. Reclassifying T3 with severe SBFI as the T4 category yields an improved T category discrimination. Additionally, patients in the severe SBFI group gain significant survival benefits from induction chemotherapy ((IC). Therefore, T3 NPC with severe SBFI is an independent negative predictor for OS and is classified into the T4 category. T category adjustment enables better prognostic stratification. Severe SBFI benefits from IC in long‐term OS.

Motivation: Radiotherapy for nasopharynx carcinoma (NPC) can lead to various white matter (WM) abnormalities. Goal(s): Explores the connection between WM injuries and temporal lobe necrosis (TLN) and optimizing radiotherapy (RT) regimens for NPC. Approach: Multi-shell diffusion MRI (MS-dMRI) quantification using automated fiber-tract quantification (AFQ). Diffusion metrics alterations analysis using rANOVA. TLN risk factors identification using Cox regression models. Optimal RT regiments development using normal tissue complication probability (NTCP) models. Results: Most TL WM tract segments showed a "decrease/increase without complete recovery" pattern. MD_UF.L.1, NDI_CH.L.1, and NDI_ILF.R.1 were identified as TLN risk predictors. Tolerance dose for D10cc.L, D20cc.L and D10cc.R were revealed for optimal regiments. Impact: Our findings highlight the importance of "decrease/increase without complete recovery" pattern in TL WM tract segment impairments in TLN development. Identifying high-risk WM tract segments and their tolerance doses can aid in optimizing radiotherapy regimens for NPC.