MétaCan
Menu
Retour à la cohorte
Enregistrement W2146443751 · doi:10.1373/clinchem.2011.165761

I Detected My Cancer with My Smart Phone

2011· article· en· W2146443751 sur OpenAlexaff
Maria Pavlou, Eleftherios P. Diamandis

Notice bibliographique

RevueClinical Chemistry · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity Health NetworkLunenfeld-Tanenbaum Research InstituteUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésHuman multitaskingPhoneSmart phoneComputer scienceTelecommunicationsMultimediaInternet privacyPsychology

Résumé

récupéré en direct d'OpenAlex

If Alexander Graham Bell were to come back to life and see what the telephone looks like today, compared with his own invention, he would definitely be astonished. It may not even be appropriate to call today's devices “telephones.” They are multitasking gadgets capable of a myriad of other operations. It is astonishing that the Apple iPhone claims over 350 000 specialized applications (better known as “apps”). On the basis of their multitasking capabilities, many have claimed that “smart phones” could have important applications in medicine, including the automatic transmission and sharing of laboratory data, images, and so forth in real time, for more effective patient care (1). In a recent issue of the journal Science Translational Medicine, Haun et al. described a micro–nuclear magnetic resonance (micro-NMR)5 device for the rapid molecular analysis of human tumor samples (2). In the editor's summary, the title was modified to read “A Micro-NMR Smart Phone for Detecting Cancer.” Unfortunately, the editor, in his effort to draw more attention, portrayed the smart phone as an integral part of this futuristic diagnostic device. In this case, however, the smart phone was only a minor player that merely controlled the NMR device, an operation that could probably be performed more conveniently with a remote control or a button on the NMR unit. Nevertheless, we describe this pioneering technology in an effort to realistically evaluate its usefulness and performance as the technology stands today. It is common in the diagnostic and biomarker field for advances like this one to be oversold and for overly optimistic views to be expressed regarding their clinical utility. The phenomenon of declining interest in published reports over time has become known as the “decline effect” (3). Some examples of oversold and subsequently failed cancer biomarkers have recently been discussed (4). Therefore, let's see how this technology works and how it performs in real-world applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0150,011

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,265
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetBiosensors and Analytical DetectionTravaux en français237 207