Preoperative quantitative dynamic contrast-enhanced MRI and diffusion-weighted imaging predict aggressive disease in endometrial cancer
Notice bibliographique
Résumé
Background Quantitative dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) and diffusion-weighted imaging (DWI) may yield preoperative tumor biomarkers relevant for prognosis and therapy in cancer. Purpose To explore the value of preoperative DCE-MRI and DWI for the prediction of aggressive disease in endometrial cancer patients. Material and Methods Preoperative MRI (1.5-T) from 177 patients were analyzed and imaging parameters reflecting tumor microvasculature (from DCE-MRI) and tumor microstructure (from DWI) were estimated. The derived imaging parameters were explored in relation to clinico-pathological stage, histological subtype and grade, molecular markers, and patient outcome. Results Low tumor blood flow (F b ) and low rate constant for contrast agent intravasation (k ep ) were associated with high-risk histological subtype ( P ≤ 0.04 for both) and tended to be associated with poor prognosis ( P ≤ 0.09). Low tumor apparent diffusion coefficient (ADC) value and large tumor volume were both significantly associated with deep myometrial invasion ( P < 0.001 for both) and were also unfavorable prognostic factors ( P = 0.05 and P < 0.001, respectively). Conclusion DCE-MRI and DWI represent valuable supplements to conventional MRI by providing preoperative imaging biomarkers that predict aggressive disease in endometrial cancer patients.
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 | 0,002 |
| 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 ».