Metastatic brain cancer: prediction of response to whole-brain helical tomotherapy with simultaneous intralesional boost for metastatic disease using quantitative MR imaging features
Notice bibliographique
Résumé
The sequential application of whole brain radiotherapy (WBRT) and more targeted stereotactic radiosurgery (SRS) is frequently used to treat metastatic brain tumors. However, SRS has side effects related to necrosis and edema, and requires separate and relatively invasive localization procedures. Helical tomotherapy (HT) allows for a SRS-type simultaneous infield boost (SIB) of multiple brain metastases, synchronously with WBRT and without separate stereotactic procedures. However, some patients’ tumors may not respond to HT+SIB, and would be more appropriately treated with radiosurgery or conventional surgery despite the additional risks and side effects. As a first step toward a broader objective of developing a means for response prediction to HT+SIB, the goal of this study was to investigate whether quantitative measurements of tumor size and appearance (including first- and second-order texture features) on a magnetic resonance imaging (MRI) scan acquired prior to treatment could be used to differentiate responder and nonresponder patient groups after HT+SIB treatment of metastatic disease of the brain. Our results demonstrated that smaller lesions may respond better to this form of therapy; measures of appearance provided limited added value over measures of size for response prediction. With further validation on a larger data set, this approach may lead to a means for prediction of individual patient response based on pre-treatment MRI, supporting appropriate therapy selection for patients with metastatic brain cancer.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».