Sci‐AM2 Sat ‐ 09: Towards objective plan comparisons in radiation therapy
Notice bibliographique
Résumé
In recent years, various novel techniques for radiation treatment of cancer patients have been introduced to clinical practice: intensity‐modulated radiation therapy (IMRT), intensity‐modulated arc therapy (IMAT), helical tomotherapy (HT), light ions irradiation, etc. Such variety of instrumentation possibilities requires some initial comparative assessment of which particular technique would be the most beneficial for a given patient case. In clinical practice a balanced trade‐off between homogeneous and sufficient tumour irradiation and maximal sparing of sensitive structures is needed. A dose quality factor (DQF) was introduced to evaluate the plan quality for different treatment techniques based on realistic clinical requirements for target and organs at risk irradiation. A correlation between plan quality quantified by DQF with some set of patient specific features characterised by patient feature factor (PFF) is analysed in a comparative planning studies for 15 patients with stage III inoperable non‐small cell lung cancer using 3D conformal technique, IMRT and HT. For this set of patients, PFF is chosen as the product of three patient characteristics: the target complexity parameter, overlap between target and lungs, and the ratio between involved and non‐involved lungs. Future work would require validation in larger patient data sets, other disease sites and weighting of different factors of the PFF. This approach can help to select the most beneficial treatment technique prior to actual planning.
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 | 0,022 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».