Combined fluorescence and reflectance spectroscopy for in vivo quantification of cancer biomarkers in low- and high-grade glioma surgery
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
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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