Prediction of treatment response in head and neck cancer by magnetic resonance spectroscopy.
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Poor treatment outcome remains high in patients with squamous cell carcinoma (SCC) of the head and neck region. Treatment of head and neck cancer could be improved and perhaps standardized if reliable markers for tumor progression and poor prognosis could be developed. MR spectroscopy has been used previously to differentiate between malignant and adjacent normal specimen in these cancers. This study explores the capability of MR spectroscopy in providing an indication of the aggressiveness of a tumor and its response to treatment. METHODS: Thirty-six SCC patients with treatment failure, and 22 other patients who were treated concurrently at the same center but with no indication of failure for a period of 3 years, were selected for the study. Tumor specimens were kept frozen at -70 degrees C, and later subjected to 1H-MR spectroscopy at 25 degrees C. The resonance areas for 6 spectral regions were determined, and their ratio calculated. The mean values of the ratios were then compared between the 2 groups by using the Student t test. RESULTS: The choline-to-creatine (3.2/3.0 parts per million [ppm]) and the 1.3/0.9 ppm spectral intensity ratios (signal due to lipid or lactic acid) were the 2 most notable ones to be significantly elevated in the group with poor response. Using these ratios, a sensitivity of 83% and a specificity of 82% were obtained in predicting which head and neck cancer patients would fail treatment. CONCLUSIONS: These preliminary results suggest that MR spectroscopy has the potential to contribute to an accurate and early prediction of tumor behavior and response to treatment in squamous cell carcinoma of the head and neck region.
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) | 0,000 | 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 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 ».