Abstract Purpose: To propose a novel recursive partitioning analysis (RPA) classification model in patients with IDH-wildtype glioblastomas that incorporates the recently expanded conception of the extent of resection (EOR) in terms of both supramaximal and total resections. Experimental Design: This multicenter cohort study included a developmental cohort of 622 patients with IDH-wildtype glioblastomas from a single institution (Severance Hospital) and validation cohorts of 536 patients from three institutions (Seoul National University Hospital, Asan Medical Center, and Heidelberg University Hospital). All patients completed standard treatment including concurrent chemoradiotherapy and underwent testing to determine their IDH mutation and MGMTp methylation status. EORs were categorized into either supramaximal, total, or non-total resections. A novel RPA model was then developed and compared with a previous Radiation Therapy Oncology Group (RTOG) RPA model. Results: In the developmental cohort, the RPA model included age, MGMTp methylation status, Karnofsky performance status, and EOR. Younger patients with MGMTp methylation and supramaximal resections showed a more favorable prognosis [class I: median overall survival (OS) 57.3 months], whereas low-performing patients with non-total resections and without MGMTp methylation showed the worst prognosis (class IV: median OS 14.3 months). The prognostic significance of the RPA was subsequently confirmed in the validation cohorts, which revealed a greater separation between prognostic classes for all cohorts compared with the previous RTOG RPA model. Conclusions: The proposed RPA model highlights the impact of supramaximal versus total resections and incorporates clinical and molecular factors into survival stratification. The RPA model may improve the accuracy of assessing prognostic groups.

Abstract Gadolinium (Gd) enhanced MRI is nonspecific for identifying aggressive glioblastoma biology. Glioblastoma-associated macrophages (GAMs) are pivotal in regrowth. Segregation and Extravascular Localization of Ferumoxytol Imaging (SELFI) is a quantitative immune specific MRI technique. SELFI+ values quantify M2 GAMs by phagocytized Ferumoxytol (Fe), while SELFI- values delineate intravascular Fe, cerebral blood volume. The relationship between SELFI and biology driving therapeutic resistance remains unknown. We aimed to determine if SELFI identified immunosuppressive GAMs and biology contributing to poor outcomes, a capability not yet achievable in clinical practice. This prospective study included four patients with glioblastoma. All underwent preoperative Gd and Fe (7 mg/kg up to 510 mg) enhanced MRI allowing for image guided biopsy based on Gd enhancement and FLAIR hyperintensity. RNA was analyzed on GeneChip Clariom Arrays. Intraoperative biopsy location was referenced to MRI for placement of volumes of interest (VOIs). VOIs quantified MRI phenotype and SELFI values. Gene Set Enrichment Analysis (GSEA) assessed differential expression between MRI features. T-test assessed differences in SELFI (p <0.05) and GSEA significance was assessed by normalized enrichment score (NES) and false discovery rate (FDR) q-value. Four patients provided 36 image guided tissue samples with sufficient quality to assess the causal relationships between MRI features and transcriptomics. Stratification by patient MGMT methylation status (N= 3 unmethylated) demonstrated Gd+ regions had significantly elevated SELFI+ values (Mean±SD, Gd+ = 0.24±0.17, Gd- = 0.08±0.09, P<0.01). GSEA demonstrated that tissues with elevated SELFI+ and lowered SELFI- values were comprised of significantly upregulated hypoxia and transforming growth factor-beta (TGFβ) signaling; among others (NES>1.5, FDR q-value<0.05). SELFI MRI uniquely quantifies glioblastoma by localizing sites of biological aggressiveness known to contribute to therapeutic resistance and disease recurrence. Patient enrollment continues to further define the causal relationships between SELFI, GAMs, and glioblastoma biology.