Applying Radiomics to Predict Pathology of Postchemotherapy Retroperitoneal Nodal Masses in Germ Cell Tumors
Notice bibliographique
Résumé
PURPOSE: After chemotherapy, approximately 50% of patients with metastatic testicular germ cell tumors (GCTs) who undergo retroperitoneal lymph node dissections (RPNLDs) for residual masses have fibrosis. Radiomics uses image processing techniques to extract quantitative textures/features from regions of interest (ROIs) to train a classifier that predicts outcomes. We hypothesized that radiomics would identify patients with a high likelihood of fibrosis who may avoid RPLND. PATIENTS AND METHODS: Patients with GCT who had an RPLND for nodal masses > 1 cm after first-line platinum chemotherapy were included. Preoperative contrast-enhanced axial computed tomography images of retroperitoneal ROIs were manually contoured. Radiomics features (n = 153) were used to train a radial basis function support vector machine classifier to discriminate between viable GCT/mature teratoma versus fibrosis. A nested 10-fold cross-validation protocol was used to determine classifier accuracy. Clinical variables/restricted size criteria were used to optimize the classifier. RESULTS: Seventy-seven patients with 102 ROIs were analyzed (GCT, 21; teratoma, 41; fibrosis, 40). The discriminative accuracy of radiomics to identify GCT/teratoma versus fibrosis was 72 ± 2.2% (area under the curve [AUC], 0.74 ± 0.028); sensitivity was 56.2 ± 15.0%, and specificity was 81.9 ± 9.0% ( P = .001). No major predictive differences were identified when data were restricted by varying maximal axial diameters (AUC range, 0.58 ± 0.05 to 0.74 ± 0.03). The prediction algorithm using clinical variables alone identified an AUC of 0.76. When these variables were added to the radiomics signature, the best performing classifier was identified when axial masses were limited to diameter < 2 cm (accuracy, 88.2 ± 4.4; AUC, 0.80 ± 0.05; P = .02). CONCLUSION: A predictive radiomics algorithm had a discriminative accuracy of 72% that improved to 88% when combined with clinical predictors. Additional independent validation is required to assess whether radiomics allows patients with a high predicted likelihood of fibrosis to avoid RPLND.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».