Pretreatment rectal tumors quantitative dynamic contrast-enhanced MRI characterization and predictability of outcome: Pilot study.
Notice bibliographique
Résumé
416 Background: Treatment of rectal cancer is currently a one-size-fits-all approach. Unfortunately, some rectal tumors do not respond well to treatment and/or give rise to latent metastases. Therefore, a need exists for biomarkers which can better characterize tumor aggressiveness and help guide treatment decisions. We investigated the feasibility and performance of dynamic contrast-enhanced (DCE) MRI (performed pre-treatment) as a potential biomarker to predict rectal cancer response to treatment. Methods: 47 patients with rectal masses underwent DCE-MRI at 3T pre-treatment. DCE-MRI was performed with 3D FLASH (TR/TE/flip 6ms/1.6 ms/25 deg). Gadolinium concentration-versus-time in tissue was estimated with the aid of a variable-flip-angle T1 mapping procedure performed pre-DCE. The arterial input function was estimated by measuring phase-versus-time in major arteries. Tracer kinetic modeling was used to obtain maps of the quantitative perfusion parameters Ktrans and Kep. Treatment outcome was categorized as successful (regression) or unsuccessful (progression, stable, or recurrence). We also dichotomized latent metastases as absent or present. The pathology outcome of the lesions was categorized as cancerous or non-cancerous. A support vector machine classifier was constructed from the perfusion parameters, and the accuracy of each classifier was determined by 10-fold cross validation. Results: Clinical characteristics were 31 successful outcomes, 8 unsuccessful; 25 with latent metastases absent, 5 with latent metastases present; 40 cancerous, 7 non-cancerous. The accuracies of quantitative DCE-MRI parameters for predicting treatment outcome, latent metastases, and pathology outcome were 78%, 83%, and 84%, respectively. Conclusions: Pre-treatment DCE-MRI appears to be a useful predictor of rectal tumor malignancy, treatment outcome, and latent metastases. Perfusion parameters have very promising potential to predict rectal cancer outcome and may serve as an added tool for rectal cancer treatment planning.
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 | 0,001 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».