MétaCan
Menu
Retour à la cohorte
Enregistrement W3012998323 · doi:10.3390/cancers12040814

External Validation of an MRI-Derived Radiomics Model to Predict Biochemical Recurrence after Surgery for High-Risk Prostate Cancer

2020· article· en· W3012998323 sur OpenAlexaff
Vincent Bourbonne, Georges Fournier, Martin Vallières, François Lucia, Laurent Doucet, V. Tissot, G. Cuvelier, Stéphane Hué, Henri Le Penn Du, Luc Perdriel, Nicolas Bertrand, F. Staroz, Dimitris Visvikis, Olivier Pradier, Mathieu Hatt, Ulrike Schick

Notice bibliographique

RevueCancers · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Diagnosis and Treatment
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiochemical recurrenceMedicineNomogramProstate cancerProstatectomyRisk stratificationRadiation therapybreakpoint cluster regionLymph nodeOncologyRadiologyInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Adjuvant radiotherapy after prostatectomy was recently challenged by early salvage radiotherapy, which highlighted the need for biomarkers to improve risk stratification. Therefore, we developed an MRI ADC map-derived radiomics model to predict biochemical recurrence (BCR) and BCR-free survival (bRFS) after surgery. Our goal in this work was to externally validate this radiomics-based prediction model. Experimental Design: A total of 195 patients with a high recurrence risk of prostate cancer (pT3-4 and/or R1 and/or Gleason’s score > 7) were retrospectively included in two institutions. Patients with postoperative PSA (Prostate Specific Antigen) > 0.04 ng/mL or lymph node involvement were excluded. Radiomics features were extracted from T2 and ADC delineated tumors. A total of 107 patients from Institution 1 were used to retrain the previously published model. The retrained model was then applied to 88 patients from Institution 2 for external validation. BCR predictions were evaluated using AUC (Area Under the Curve), accuracy, and bRFS using Kaplan–Meier curves. Results: With a median follow-up of 46.3 months, 52/195 patients experienced BCR. In the retraining cohort, the clinical prediction model (combining the number of risk factors and postoperative PSA) demonstrated moderate predictive power (accuracy of 63%). The radiomics model (ADC-based SZEGLSZM) predicted BCR with an accuracy of 78% and allowed for significant stratification of patients for bRFS (p < 0.0001). In Institution 2, this radiomics model remained predictive of BCR (accuracy of 0.76%) contrary to the clinical model (accuracy of 0.56%). Conclusions: The recently developed MRI ADC map-based radiomics model was validated in terms of its predictive accuracy of BCR and bRFS after prostatectomy in an external cohort.

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)0,005
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,006
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,029
Tête enseignante GPT0,286
Écart entre enseignants0,257 · 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

Citations85
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetProstate Cancer Diagnosis and TreatmentTravaux en français237 207