Introduction: With advancement in medical imaging, magnetic resonance imaging (MRI) is considered as an alternative source of biomarkers. The aim of this study was to explore the potential of kidney shape factors measured by MRI as biomarkers for DKD progression as early DKD tends to have larger kidney volume due to hypertrophy and hyper-filtration. Methods: Total 134 participants with type 2 diabetes and eGFR>30 ml/min/1.73 m2 from iBEAt study were examined. This EU-funded, multi-centre renal imaging study seeks to identify novel biomarkers for DKD. All MRI data was acquired on 3T Siemens scanners. Each kidney was segmented using in-house software. Significant threshold was set at p<0.01. Hierarchical cluster analysis (HCA) among 15 shape parameters was conducted by centroid clustering method (SPSS V29.0). Results: The mean (SD) age of study participants was 70(8) years, eGFR 76.7(13.6) ml/min/1.73 m2, UACR 4.3(14.4) mg/mmol and 35.8% women. Several shape factors (mean (SD)) such as bounding box volume (495(126) ml), convex hull volume (212(48) ml), short (5.3(0.6) cm) and long axis length (12(1.2) cm) and surface area (227(36) cm2) correlated strongly with kidney volume (KV) (Range r = -0.54 to 0.99). Two distinct clusters were identified in HCA; cluster 1 include compactness and extent which were 3D shape features with low correlation to KV (r = 0.03 and -0.03 respectively, p<0.01). Conversely, cluster 2 parameters mainly consisted of shape measures which were more closely correlated to KV. Conclusion: Compactness and extent were statistically independent of KV.Extent is the ratio of KV to its bounding box volume; compactness is the surface area-to-volume ratio relative to that of an equivalent sphere, which has 100% compactness. Reduction in compactness indicates an irregular kidney shape secondary to ageing, cortical thinning and compression by surrounding structures. These measures may serve as independent prognostic markers that predict increased risk of future renal decline. Disclosure K. Soe: None. K. Sharma: Employee; Antaros Medical. J. Periquito: None. A. Shore: None. K.M. Gooding: None. D. Selvarajah: Research Support; Abbott. Speaker's Bureau; Grunenthal. Research Support; Impeto medical. Funding The Innovative Medicines Initiative 2 Joint Undertaking (115974)

Motivation: For clinical application uncertainty of DTI and tractography biomarkers is critical to avoid that management decisions are made based on changes that are due to measurement error. Goal(s): Provide a comprehensive reference guide of estimated uncertainties for DTI and tractography renal biomarkers and use the data to screen these biomarkers based measurement precision. Approach: Five healthy-volunteers were scanned 4 times on 3T MRI scanner using a diffusion free-breathing protocol. DTI and tractography parameters were calculated using DIPY. Results: Tractography markers are less precise than DTI, sphericity is the most reliable of all DTI metrics, and histogram metrics kurtosis and skewness are inherently imprecise. Impact: This study presents comprehensive reference values for error ranges in renal DTI that will help to identify real (patho)physiological changes in future clinical results

Motivation: Convolutional Neural Networks (CNNs) have long been the go-to deep-learning architecture for medical image segmentation, but in recent years transformer-based architectures adapted from large language models are setting a new standard. Goal(s): The aim of this study was to test if transformers are suitable for 3D kidney segmentation on high-resolution MRI. Approach: A transformer-based deep-learning architecture (UNETR) was trained and tested against a supervised method on 82 patient datasets from the iBEAt study on diabetic kidney disease. Results: UNETR provides fast segmentation with comparable results to the supervised method, but additional refinement is needed to reduce the limits of agreement. Impact: Novel transformer-based architectures for medical image segmentation may be useful for fast 3D segmentation of individual kidneys.

Motivation: Previous studies have shown that DTI and tractography may act as early indicator of DKD. Goal(s): The aim of this study was to identify DTI biomarkers that may be sensitive to changes over a relatively short 2-year time frame in early-stage DKD. Approach: Thirteen type-2 diabetic patients were scanned two times during a two-year period on a 3T MRI scanner using a free-breathing diffusion protocol. 180 biomarkers from DTI and tractography were calculated with DIPY. Results: 46 biomarkers showed a significant change over the 2 years, with mean changes that reach over ½ of a standard-deviation and cohen-d effect-sizes up to 0.6Impact: DTI biomarkers show strong changes in early-stage diabetic kidney disease over 2-years, a time frame where clinical biomarkers are typically stable. This finding may have significant implications for clinical practice if confirmed in the larger population.

Motivation: Variations in dietary conditions can impact renal blood flow (RBF), but it is currently unknown whether fasting overnight can affect the measurement. A recent consensus for phase contrast (PC) advises against fasting, but similar consensus for arterial spin labelling (ASL) was not reached. Other laboratory tests might require fasting, leading to variability in preparation for MRI. It is therefore critical to understand whether fasting affects the measurementGoal(s): This study investigates the effect of fasting compared to the recommended MRI preparation. Approach: ASL and PC acquired in healthy volunteers. Results: No significant difference between fasting and consensus-preparation was found for RBF and perfusion. Impact: A strict control for diet may not be required for MRI studies measuring renal blood flow and perfusion using phase contrast and arterial spin labelling.