MétaCan
Menu
← Retour à la cohorte
Enregistrement W2004171117 · doi:10.1118/1.4888760

SU‐E‐T‐427: Cell Surviving Fractions Derived From Tumor‐Volume Variation During Radiotherapy for Non‐Small Cell Lung Cancer: Comparison with Predictive Assays

2014· article· en· W2004171117 sur OpenAlexaff
Alexei V. Chvetsov, Slav Yartsev, J Schwartz, Nina A. Mayr

Notice bibliographique

RevueMedical Physics · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésLung cancerRadiation therapyNuclear medicinePopulationCancerDosimetryCellLung volumesMedicineLungPathologyBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Purpose: To show that a distribution of cell surviving fractions S2 in a heterogeneous group of patients can be derived from tumor‐volume variation curves during radiotherapy for non‐small cell lung cancer. Methods: Our analysis was based on two data sets of tumor‐volume variation curves for heterogeneous groups of 17 patients treated for nonsmall cell lung cancer with conventional dose fractionation. The data sets were obtained previously at two independent institutions by using megavoltage (MV) computed tomography (CT). Statistical distributions of cell surviving fractions S2 and cell clearance half‐lives of lethally damaged cells T1/2 have been reconstructed in each patient group by using a version of the two‐level cell population tumor response model and a simulated annealing algorithm. The reconstructed statistical distributions of the cell surviving fractions have been compared to the distributions measured using predictive assays in vitro. Results: Non‐small cell lung cancer presents certain difficulties for modeling surviving fractions using tumor‐volume variation curves because of relatively large fractional hypoxic volume, low gradient of tumor‐volume response, and possible uncertainties due to breathing motion. Despite these difficulties, cell surviving fractions S2 for non‐small cell lung cancer derived from tumor‐volume variation measured at different institutions have similar probability density functions (PDFs) with mean values of 0.30 and 0.43 and standard deviations of 0.13 and 0.18, respectively. The PDFs for cell surviving fractions S2 reconstructed from tumor volume variation agree with the PDF measured in vitro. Comparison of the reconstructed cell surviving fractions with patient survival data shows that the patient survival time decreases as the cell surviving fraction increases. Conclusion: The data obtained in this work suggests that the cell surviving fractions S2 can be reconstructed from the tumor volume variation curves measured during radiotherapy with conventional fractionation. The proposed method can be used for treatment evaluation and adaptation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,265
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→