WE‐C‐WAB‐02: Joint FDG‐PET/MR Imaging for the Early Prediction of Tumor Outcomes
Notice bibliographique
Résumé
Purpose: To investigate the potential of joint FDG‐PET/MR imaging features for the prediction of lung metastases at diagnosis of soft‐tissue sarcomas (STS). Methods: A cohort of 35 patients with histologically proven STS was used in this study. All patients underwent pre‐treatment FDG‐PET and MR scans that comprised T1 and T2‐fat suppression weighted (T2FS) sequences. The cohort had a median follow‐up period of 29 months (range: 4–85) during which 13 patients developed lung metastases. An SUV feature (SUVmax) from the FDG‐PET scans and 6 texture features (energy, entropy, contrast, homogeneity, sum‐mean and variance) from the co‐occurrence matrix of the separate (FDG‐PET, T1 and T2FS) and fused (FDG‐PET/T1 and FDG‐PET/T2FS) scans were extracted from the tumor region. Fusion of the scans was implemented using the wavelet transform. Multivariable modeling was performed using logistic regression (LR) and the corresponding performance for lung metastases prediction was assessed using receiver operating characteristic (ROC) metrics on bootstrapping resampling. Optimal texture extraction was carried out through the optimization of intensity quantization, spatial resolution and wavelet band‐pass filtering. Results: Overall, textures extracted from fused scans outperformed those from separate scans for the prediction of lung metastases. The best performance was found using an LR model with the following 4 parameters: SUVmax, FDG‐PET/T1‐‐contrast, FDG‐PET/T1‐‐homogeneity and FDG‐PET/T2FS‐‐variance. The average performance of this model in 10000 bootstrapping testing sets was: AUC=0.956, sensitivity=0.909, specificity=0.925, accuracy=0.916. However, the upper limit on the uncertainty of the texture model due to contouring variations was evaluated to be 15%. Conclusion: Our results demonstrate that fused FDG‐PET/MR texture features can be used to evaluate lung metastasis risk at diagnosis of STS. Accurate risk assessment could improve patient outcomes by allowing better adapted treatments. The methodology developed in this study could be tested on other cancer types and clinical endpoints such as treatment response.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».