Predicting survival and early clinical response to primary chemotherapy for patients with locally advanced breast cancer using DCE‐MRI
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To evaluate dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) as a tool for early prediction of response to neoadjuvant chemotherapy (NAC) and 5-year survival in patients with locally advanced breast cancer. MATERIALS AND METHODS: DCE-MRI was performed in patients scheduled for NAC (n = 24) before and after the first treatment cycle. Clinical response was evaluated after completed NAC. Relative signal intensity (RSI) and area under the curve (AUC) were calculated from the DCE-curves and compared to clinical treatment response. Kohonen and probabilistic neural network (KNN and PNN) analysis were used to predict 5-year survival. RESULTS: RSI and AUC were reduced after only one cycle of NAC in patients with clinical treatment response (P = 0.02 and P = 0.08). The mean and 10th percentile RSI values before NAC were significantly lower in patients surviving more than 5 years compared to nonsurvivors (P = 0.05 and 0.02). This relationship was confirmed using KNN, which demonstrated that patients who remained alive clustered in separate regions from those that died. Calibration of contrast enhancement curves by PNN for patient survival at 5 years yielded sensitivity and specificity for training and testing ranging from 80%-92%. CONCLUSION: DCE-MRI in locally advanced breast cancer has the potential to predict 5-year survival in a small patient cohort. In addition, changes in tumor vascularization after one cycle of NAC can be assessed.
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.
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 | 0,000 |
| 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 découle