Systematic analysis of 18F-FDG PET and metabolism, proliferation and hypoxia markers for classification of head and neck tumors
Notice bibliographique
Résumé
BACKGROUND: Quantification of molecular cell processes is important for prognostication and treatment individualization of head and neck cancer (HNC). However, individual tumor comparison can show discord in upregulation similarities when analyzing multiple biological mechanisms. Elaborate tumor characterization, integrating multiple pathways reflecting intrinsic and microenvironmental properties, may be beneficial to group most uniform tumors for treatment modification schemes. The goal of this study was to systematically analyze if immunohistochemical (IHC) assessment of molecular markers, involved in treatment resistance, and 18F-FDG PET parameters could accurately distinguish separate HNC tumors. METHODS: Several imaging parameters and texture features for 18F-FDG small-animal PET and immunohistochemical markers related to metabolism, hypoxia, proliferation and tumor blood perfusion were assessed within groups of BALB/c nu/nu mice xenografted with 14 human HNC models. Classification methods were used to predict tumor line based on sets of parameters. RESULTS: We found that 18F-FDG PET could not differentiate between the tumor lines. On the contrary, combined IHC parameters could accurately allocate individual tumors to the correct model. From 9 analyzed IHC parameters, a cluster of 6 random parameters already classified 70.3% correctly. Combining all PET/IHC characteristics resulted in the highest tumor line classification accuracy (81.0%; cross validation 82.0%), which was just 2.2% higher (p = 5.2×10-32) than the performance of the IHC parameter/feature based model. CONCLUSIONS: With a select set of IHC markers representing cellular processes of metabolism, proliferation, hypoxia and perfusion, one can reliably distinguish between HNC tumor lines. Addition of 18F-FDG PET improves classification accuracy of IHC to a significant yet minor degree. These results may form a basis for development of tumor characterization models for treatment allocation purposes.
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 | 0,000 | 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 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 ».