Štúdia vyvinula model súborového učenia spájajúci konvenčné rádiomické funkcie (CR) a funkcie strojového učenia (ML) na posúdenie stavu periorbitálneho tuku naprieč vekovým spektrom. Analyzovali predoperačné MRI lebky a tváre u 237 pacientov s meningiómom, rozdelených do tréningového súboru (165 pacientov) a testovacieho súboru (72 pacientov). Pacienti boli kategorizovaní do skupín mládeže (vek 28,5 ± 5,0 v tréningu, 28,6 ± 5,6 v teste), stredného veku (42,9 ± 4,7; 43,9 ± 4,1) a seniorov (60,0 ± 6,5; 58,8 ± 6,7). Z CR a ML boli extrahované znaky z troch periorbitálnych oblastí. Súborový model prekonal samostatné modely CR, ML a fúzny CR-ML, s makro AUC 0,833 (95 % CI: 0,737–0,902), F1 skóre 0,614, presnosťou 0,597 a pozitívnou prediktívnou hodnotou 0,6 na testovacej sade. Model preukázal optimálne schopnosti v multi-klasifikačných úlohách, zlepšil zovšeobecnenie a robustnosť. Dosiahol neinvazívne a spoľahlivé hodnotenie pre omladzovaciu chirurgiu.