MRI heterogeneity analysis for prediction of recurrence and disease free survival in anal cancer
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to evaluate the role of image heterogeneity analysis of standard care magnetic resonance imaging (MRI) in patients with anal squamous cell carcinoma (ASCC) to predict chemoradiotherapy (CRT) outcome. The ability to predict disease recurrence following CRT has the potential to inform personalized radiotherapy approaches currently being explored in novel clinical trials. METHODS: An IRB waiver was obtained for retrospective analysis of standard care MRIs from ASCC patients presenting between 2010 and 2014. Whole tumor 3D volume-of-interest (VOI) was outlined on T2-weighted (T2w) and diffusion weighted imaging (DWI) of the pre- and post-treatment scans. Independent imaging features most predictive of disease recurrence were added to the baseline clinico-pathological model and the predictive value of respective extended models was calculated using net reclassification improvement (NRI) algorithm. Cross-validation analysis was carried out to determine percentage error reduction with inclusion of imaging features to the baseline model for both endpoints. RESULTS: Forty patients who underwent 1.5 T pelvic MRI at baseline and following completion of CRT were included. A combination of two baseline MR heterogeneity features (baseline T2w energy and DWI coefficient of variation) was most predictive of disease recurrence resulting in significant NRI (p = 0 < 0.001). This was confirmed in cross-validation analysis with 34.8% percentage error reduction for the primary endpoint and 18.1% reduction for the secondary endpoint with addition of imaging variables to baseline model. CONCLUSION: MRI heterogeneity analysis offers complementary information, in addition to clinical staging, in predicting outcome of CRT in anal SCC, warranting validation in larger datasets.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».