Combined fluorescence and reflectance spectroscopy for in vivo quantification of cancer biomarkers in low- and high-grade glioma surgery
Notice bibliographique
Résumé
Biomarkers are indicators of biological processes and hold promise for the diagnosis and treatment of disease. Gliomas represent a heterogeneous group of brain tumors with marked intra- and inter-tumor variability. The extent of surgical resection is a significant factor influencing post-surgical recurrence and prognosis. Here, we used fluorescence and reflectance spectral signatures for in vivo quantification of multiple biomarkers during glioma surgery, with fluorescence contrast provided by exogenously-induced protoporphyrin IX (PpIX) following administration of 5-aminolevulinic acid. We performed light-transport modeling to quantify multiple biomarkers indicative of tumor biological processes, including the local concentration of PpIX and associated photoproducts, total hemoglobin concentration, oxygen saturation, and optical scattering parameters. We developed a diagnostic algorithm for intra-operative tissue delineation that accounts for the combined tumor-specific predictive capabilities of these quantitative biomarkers. Tumor tissue delineation achieved accuracies of up to 94% (specificity = 94%, sensitivity = 94%) across a range of glioma histologies beyond current state-of-the-art optical approaches, including state-of-the-art fluorescence image guidance. This multiple biomarker strategy opens the door to optical methods for surgical guidance that use quantification of well-established neoplastic processes. Future work would seek to validate the predictive power of this proof-of-concept study in a separate larger cohort of patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».