MétaCan
Menu
← Retour à la cohorte
Enregistrement W3007643597 · doi:10.1200/jco.2020.38.6_suppl.20

Multiparametric magnetic resonance imaging of multifocal prostate cancer to reveal intra-prostatic genomic heterogeneity and novel radio-genomic correlates: Results of the Smarter Prostate Interventions and Therapeutics (SPIRIT) study.

2020· article· en· W3007643597 sur OpenAlexaff
Glenn Bauman, Rohann Correa, Erfan Aref‐Eshghi, Ryan Alfano, Bekim Sadiković, John M.S. Bartlett, Paul C. Boutros, Stephen E. Pautler, Joseph L. Chin, Mena Gaed, Zahra Kassam, Jose Gomez Lemus, Madeleine Moussa, Aaron D. Ward

Notice bibliographique

RevueJournal of Clinical Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensSt Joseph's Health CareOntario Institute for Cancer ResearchLondon Health Sciences CentreLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineProstate cancerProstatectomyProstateHistopathologyMagnetic resonance imagingCancerGold standard (test)PathologyNuclear medicineRadiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

20 Background: Multi-focality and heterogeneity in prostate cancer can confound the selection of appropriate clinical management. Our study aimed to explore radio-genomic correlations using multiparametric magnetic resonance imaging (mpMRI) against a histopathologic reference standard. Methods: Eight men with prostate cancer who underwent mpMRI followed by prostatectomy were selected for this pilot. Whole-mount histopathology was digitized and co-registered to corresponding MRI slices using a validated high-fidelity methodology.(1) Foci, including central/transitional and peripheral zone lesions were identified by a pathologist, and contoured on digitized histopathology specimens and these digitized maps were used to guide macrodissection of the individual foci for genomic copy-number aberration (CNA) analysis. Correlation of radiomics signatures with the histologic findings and genomic analysis was performed. Results: We found a broad range of CNAs revealing inter-patient and intra-prostatic heterogeneity. Recurrently-altered loci ( e.g., 8p21) containing genes of known significance ( e.g., NKX3-1) were observed. Only radiomic features derived from apparent diffusion coefficient (ADC) independently correlated with both Gleason grade (Rho=-0.62, p=0.003) and median CNA burden (Rho=-0.68, p<0.001). While greater CNA burden expectedly correlated with higher grade, intermediate-grade (Gleason score 3+4 or 4+3) lesions appeared more like either high-grade (Gleason scores ≥4+4) or low-grade (Gleason score 3+3) disease when clustered based on CNA and ADC metrics. Conclusions: These findings suggest ADC derived radiomic metrics may be a useful imaging biomarker across both central and peripheral zone lesion and could aid in further characterization of intra-prostatic biologic heterogeneity. These proof-of-principle data reveal novel radio-genomic correlations that could supplement histologic grading and conventional imaging, thus warranting expanded study and validation. 1) Int J Rad Oncol Biol Phys. 2016; 96(1):188-96.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,080
Tête enseignante GPT0,429
Écart entre enseignants0,349 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→