Endobronchial Cancer Detection Using an Integrated Bronchoscopy System for Simultaneous Imaging and Noncontact Spectral Measurement
Notice bibliographique
Résumé
INTRODUCTION: Quantitative spectroscopy has been proposed as a means of improving the specificity of autofluorescence bronchoscopy by discriminating between true malignancy and suspicious but benign lesions before biopsy. This study investigated the potential discrimination ability of microvascular tissue-related parameters and relative intensity of autofluorescence, as estimated by noncontact spectroscopy. METHODS: Patients undergoing bronchoscopy for suspicion of lung cancer were enrolled from 4 sites (Canada, Russia, Slovenia, and the United Kingdom). In lesions selected for biopsy, light from a special fiberoptic bronchoscope was diverted to a spectrophotometer to obtain spectral measurements. The mucosa blood volume fraction and oxygen saturation were estimated from the computer model and, along with the autofluorescence intensity, were analyzed for discrimination potential for severe dysplasia or worse against lower histology grades. RESULTS: A total of 485 patients were enrolled, from whom 352 suspicious, adequate biopsy specimens were collected. Of these, 8 specimens were severe dysplasia or carcinoma in situ, and 66 were cancer. All measures were found to be significantly altered (receiver operating characteristic curve area: 0.83, 0.74, and 0.80 for autofluorescence intensity, the blood volume fraction, and oxygen saturation, respectively) in lesions found by biopsy to have severe dysplasia or higher grade present. In addition, the estimated volume fraction of desaturated blood was found to be significantly more discriminatory than that of oxygen-saturated blood (receiver operating characteristic curve area: 0.83 vs. 0.63). Study center differences were evident and suggest that results may depend on study population or bronchoscopist experience. CONCLUSIONS: Noncontact measurement and estimation of the above microvascular-related parameters, obtained during regular bronchoscope examination, may have potential for improving discrimination of severe dysplasia and cancer in lesions suspicious under white light bronchoscopy/autofluorescence bronchoscopy.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».