Università di Genova logo, link al sitoUniRe logo, link alla pagina iniziale
    • English
    • italiano
  • English 
    • English
    • italiano
  • Login
View Item 
  •   DSpace Home
  • Tesi
  • Tesi di Laurea
  • Laurea Magistrale
  • View Item
  •   DSpace Home
  • Tesi
  • Tesi di Laurea
  • Laurea Magistrale
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Imaging metabolico non invasivo nei pazienti pediatrici con epilessia focale

View/Open
tesi37986909.pdf (1.214Mb)
Author
Rebora, Enrico <1997>
Date
2026-06-16
Data available
2026-06-18
Abstract
Background: La localizzazione della zona epilettogena (ZE) nei pazienti pediatrici con epilessia focale farmacoresistente e risonanza magnetica (RM) strutturale negativa rappresenta una rilevante sfida diagnostica. L'Arterial Spin Labeling (ASL) e il Quantitative Susceptibility Mapping (QSM) misurano la perfusione cerebrale e il metabolismo dell’ossigeno senza l’uso di radiazioni ionizzanti. Scopo dello studio è stato valutare il contributo di queste metodiche alla localizzazione della EZ e l’influenza dell’esperienza del lettore. Materiali e Metodi: Sono state generate mappe di flusso ematico cerebrale (CBF), frazione di estrazione dell’ossigeno (OEF), tasso metabolico cerebrale di consumo dell’ossigeno (CMRO₂) e relative mappe di indice di asimmetria (CBF_AI e CMRO₂_AI). Le immagini sono state valutate in cieco da un lettore esperto e uno non esperto e confrontate con la localizzazione definita dai dati clinico-elettroencefalografici. Risultati: L'esperienza è risultata il principale fattore indipendente associato alla localizzazione della ZE (OR = 3,59; IC95%: 2,07–6,23; p < 0,001). Soltanto CBF_IA ha mostrato un incremento significativo della probabilità di localizzazione rispetto alla valutazione del CBF (OR = 1,75; IC95%: 1,09–2,82; p = 0,021). La concordanza inter-osservatore è risultata maggiore per le mappe qualitative (κ = 0,843–0,891) rispetto alle mappe semiquantitative (κ = 0,316–0,375). Nel lettore non esperto, l'impiego delle mappe IA è risultato associato a un aumento significativo del rischio di localizzazione errata. Conclusioni: L'imaging metabolico non invasivo rappresenta un utile complemento nella localizzazione della ZE. L'analisi IA può incrementare la sensibilità, ma dipende fortemente dall'esperienza del lettore. I risultati suggeriscono che tali strumenti debbano essere utilizzati all'interno di un approccio multimodale insieme ai dati clinici ed elettroencefalografici.
 
Background: Localization of the epileptogenic zone (EZ) in pediatric patients with drug-resistant focal epilepsy (DRFE) and negative structural magnetic resonance imaging (MRI-) represents a significant diagnostic challenge. Arterial Spin Labeling (ASL) and Quantitative Susceptibility Mapping (QSM) measure brain function without the use of ionizing radiation. The aim of this study was to evaluate their performance, comparing qualitative and semi-quantitative approaches and analyzing the influence of reader experience. Materials and Methods: A retrospective observational study including ASL and susceptibility-weighted imaging (SWI) sequences was conducted. Cerebral blood flow (CBF), oxygen extraction fraction (OEF), and cerebral metabolic rate of oxygen (CMRO2) maps were obtained from the images, alongside the corresponding asymmetry index-based maps (CBF_AI and CMRO2_AI). These maps were evaluated blindly by an expert and a non-expert reader, and compared with the EZ defined by EEG data. Results: Experience was the primary independent factor associated with EZ localization (OR = 3.59; 95%CI: 2.07–6.23; p < 0.001). Only CBF_AI showed a significant increase in the probability of localization compared to qualitative CBF assessment (OR = 1.75; 95%CI: 1.09–2.82; p = 0.021). Inter-reader agreement was higher for qualitative maps (κ = 0.843–0.891) than for semi-quantitative maps (κ = 0.316–0.375). In the non-expert reader, the use of AI maps was associated with a significant increase in the risk of mislocalization. Conclusions: Non-invasive metabolic MRI represents a useful complement in EZ localization. AI analysis can increase sensitivity but depends heavily on reader experience. These findings suggest that such tools should be used within a multimodal approach integrated with clinical and electroencephalographic data.
 
Type
info:eu-repo/semantics/masterThesis
Collections
  • Laurea Magistrale [7492]
URI
https://unire.unige.it/handle/123456789/15837
Metadata
Show full item record

UniRe - Università degli studi di Genova | Information and Contacts
 

 

All of DSpaceCommunities & Collections

My Account

Login

UniRe - Università degli studi di Genova | Information and Contacts