Statistical Classification Strategy for Proton Magnetic ResonanceSpectra of Soft Tissue Sarcoma: An Exploratory Study withPotential Clinical Utility
Notice bibliographique
Résumé
PURPOSE: Histological grading is currently one of the best predictors of tumor behavior and outcome in soft tissue sarcoma. However, occasionally there is significant disagreement even among expert pathologists. An alternative method that gives more reliable and non-subjective diagnostic information is needed. The potential use of proton magnetic resonance spectroscopy in combination with an appropriate statistical classification strategy was tested here in differentiating normal mesenchymal tissue from soft tissue sarcoma. METHODS: Fifty-four normal and soft tissue sarcoma specimens of various histological types were obtained from 15 patients. One-dimensional proton magnetic resonance spectra were acquired at 360 MHz. Spectral data were analyzed by using both the conventional peak area ratios and a specific statistical classification strategy. RESULTS: The statistical classification strategy gave much better results than the conventional analysis. The overall classification accuracy (based on the histopathology of the MRS specimens) in differentiating normal mesenchymal from soft tissue sarcoma was 93%, with a sensitivity of 100% and specificity of 88%.The results in the test set were 83, 92 and 76%, respectively. Our optimal region selection algorithm identified six spectral regions with discriminating potential, including those assigned to choline, creatine, glutamine, glutamic acid and lipid. CONCLUSION: Proton magnetic resonance spectroscopy combined with a statistical classification strategy gave good results in differentiating normal mesenchymal tissue from soft tissue sarcoma specimens ex vivo. Such an approach may also differentiate benign tumors from malignant ones and this will be explored in future studies.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».