Comparison of dynamic contrast‐enhanced MRI and dynamic contrast‐enhanced CT biomarkers in bladder cancer
Notice bibliographique
Résumé
Dynamic contrast-enhanced MRI (DCE-MRI) is frequently used to provide response biomarkers in clinical trials of novel cancer therapeutics but assessment of their physiological accuracy is difficult. DCE-CT provides an independent probe of similar pharmacokinetic processes and may be modeled in the same way as DCE-MRI to provide purportedly equivalent physiological parameters. In this study, DCE-MRI and DCE-CT were directly compared in subjects with primary bladder cancer to assess the degree to which the model parameters report modeled physiology rather than artefacts of the measurement technique and to determine the interchangeability of the techniques in a clinical trial setting. The biomarker K(trans) obtained by fitting an extended version of the Kety model voxelwise to both DCE-MRI and DCE-CT data was in excellent agreement (mean across subjects was 0.085 ± 0.030 min(-1) for DCE-MRI and 0.087 ± 0.033 min(-1) for DCE-CT, intermodality coefficient of variation 9%). The parameter v(p) derived from DCE-CT was significantly greater than that derived from DCE-MRI (0.018 ± 0.006 compared to 0.009 ± 0.008, P = 0.0007) and v(e) was in reasonable agreement only for low values. The study provides evidence that the biomarker K(trans) is a robust parameter indicative of the underlying physiology and relatively independent of the method of measurement.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».