MétaCan
Menu
Retour à la cohorte
Enregistrement W2806915836 · doi:10.1038/s41598-018-20624-6

Quantitative Magnetization Transfer in Monitoring Glioblastoma (GBM) Response to Therapy

2018· article· en· W2806915836 sur OpenAlexafffund
Hatef Mehrabian, Sten Myrehaug, Hany Soliman, Arjun Sahgal, Greg J. Stanisz

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensHealth Sciences CentreSunnybrook HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesCanadian Cancer Society Research InstituteTerry Fox Research InstituteFondation Brain Canada
Mots-clésGlioblastomaMagnetization transferMedicineComputer scienceMagnetic resonance imagingCancer researchRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Quantitative magnetization transfer (qMT) was used as a biomarker to monitor glioblastoma (GBM) response to chemo-radiation and identify the earliest time-point qMT could differentiate progressors from non-progressors. Nineteen GBM patients were recruited and MRI-scanned before (Day 0 ), two weeks (Day 14 ), and four weeks (Day 28 ) into the treatment, and one month after the end of the treatment (Day 70 ). Comprehensive qMT data was acquired, and a two-pool MT model was fit to the data. Response was determined at 3–8 months following the end of chemo-radiation. The amount of magnetization transfer ( $${\bf{R}}{{\bf{M}}}_{{\bf{0b}}}/{{\bf{R}}}_{{\bf{a}}}$$ R M 0b / R a ) was significantly lower in GBM compared to normal appearing white matter (p < 0.001). Statistically significant difference was observed in $${\bf{R}}{{\bf{M}}}_{{\bf{0b}}}/{{\bf{R}}}_{{\bf{a}}}$$ R M 0b / R a at Day 0 between non-progressors (1.06 ± 0.24) and progressors (1.64 ± 0.48), with p = 0.006. Changes in several qMT parameters between Day 14 and Day 0 were able to differentiate the two cohorts with $${\bf{R}}{{\bf{M}}}_{{\bf{0b}}}/{{\bf{R}}}_{{\bf{a}}}$$ R M 0b / R a providing the best separation (relative $${\bf{R}}{{\bf{M}}}_{{\bf{0b}}}/{{\bf{R}}}_{{\bf{a}},{\bf{Non}}-{\bf{progressor}}}$$ R M 0b / R a , Non − progressor = 1.34 ± 0.21, relative $${\bf{R}}{{\bf{M}}}_{{\bf{0b}}}/{{\bf{R}}}_{{\bf{a}},{\bf{progressor}}}$$ R M 0b / R a , progressor = 1.07 ± 0.08, p = 0.031). Thus, qMT characteristics of GBM are more sensitive to treatment effects compared to clinically used metrics. qMT could assess tumor aggressiveness and identify early progressors even before the treatment. Changes in qMT parameters within the first 14 days of the treatment were capable of separating early progressors from non-progressors, making qMT a promising biomarker to guide adaptive radiotherapy for GBM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,321
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207