Mesoscopic characterization of prostate cancer using Raman spectroscopy: potential for diagnostics and therapeutics
Notice bibliographique
Résumé
OBJECTIVE: To test if Raman spectroscopy (RS) is an appropriate tool for the diagnosis and possibly grading of prostate cancer (PCa). PATIENTS AND METHODS: Between 20 and 50 Raman spectra were acquired from 32 fresh and non-processed post-prostatectomy specimens using a macroscopic handheld RS probe. Each measured area was characterized and categorized according to histopathological criteria: tissue type (extraprostatic or prostatic); tissue malignancy (benign or malignant); cancer grade (Grade Groups [GGs] 1-5); and tissue glandular level. The data were analysed using machine-learning classification with neural network. RESULTS: The RS technique was able to distinguish prostate from extraprostatic tissue with a sensitivity of 82% and a specificity of 83% and benign from malignant tissue with a sensitivity of 87% and a specificity of 86%. In an exploratory fashion, RS differentiated benign from GG1 in 726/801 spectra (91%; sensitivity 80%, specificity 91%), from GG2 in 588/805 spectra (73%; sensitivity 76%, specificity 73%), from GG3 in 670/797 spectra (84%; sensitivity 86%, specificity 84%), from GG4 in 711/802 spectra (88%; sensitivity 77%, specificity 89%) and from GG5 in 729/818 spectra (89%; sensitivity 90%, specificity 89%). CONCLUSION: Current diagnostic approaches of PCa using needle biopsies have suboptimal cancer detection rates and a significant risk of infection. Standard non-targeted random sampling results in false-negative biopsies in 15-30% of patients, which affects clinical management. RS, a non-destructive tissue interrogation technique providing vibrational molecular information, resolved the highly complex architecture of the prostate and detect cancer with high accuracy using a fibre optic probe to interrogate radical prostatectomy (RP) specimens from 32 patients (947 spectra). This proof-of-principle paves the way for the development of in vivo tumour targeting spectroscopy tools for informed biopsy collection to address the clinical need for accurate PCa diagnosis and possibly to improve surgical resection during RP as a complement to histopathological analysis.
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 ».