Wide-field intraoperative Raman imaging technique to guide cytoreductive surgery for advanced stages of ovarian cancer (Conference Presentation)
Notice bibliographique
Résumé
Ovarian cancer is the fifth most deadly cancer among women in North America. Because this type of cancer is often diagnosed late, cytoreductive surgery is often the first therapeutic step. Currently, visual inspection of the surgical cavity is the only technique used to detect residual tumors. Therefore, there is a need for the development of new imaging techniques that can detect cancer tissue with high specificity and sensitivity during cytoreductive procedures. To address this unmet clinical need, we developed an intraoperative wide-field Raman spectroscopy (RS) imaging system to be used alongside tissue classification models trained to recognize cancer tissue using artificial intelligence techniques. The system can sequentially acquire up to 5 Raman bands in imaging mode over a macroscopic tissue area of more than 1-centimeter diameter. Preliminary analyses are presented demonstrating the ability of the system to recover the main Raman tissue bands in synthetic and biologic tissue. Two types of tissues in a biological sample can also be differentiated by the system. Moreover, cancer detection models are produced using a single-point RS probe based on ex vivo human measurements collected from 20 ovarian cancer patients. Using supervised machine learning techniques, it is demonstrated the model can detect tissue containing epithelial cancer cells with an accuracy higher than 90%. Based on this dataset, multivariate statistical analyzes were performed demonstrating the 5 features contributing the most to the classification. These studies pave the way to the development of a new generation wide-field Raman spectroscopy techniques for macroscopic tissue characterization during surgery.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».