Glioma consensus contouring recommendations from a MR-Linac International Consortium Research Group and evaluation of a CT-MRI and MRI-only workflow
Notice bibliographique
Résumé
INTRODUCTION: This study proposes contouring recommendations for radiation treatment planning target volumes and organs-at-risk (OARs) for both low grade and high grade gliomas. METHODS: Ten cases consisting of 5 glioblastomas and 5 grade II or III gliomas, including their respective gross tumor volume (GTV), clinical target volume (CTV), and OARs were each contoured by 6 experienced neuro-radiation oncologists from 5 international institutions. Each case was first contoured using only MRI sequences (MRI-only), and then re-contoured with the addition of a fused planning CT (CT-MRI). The level of agreement among all contours was assessed using simultaneous truth and performance level estimation (STAPLE) with the kappa statistic and Dice similarity coefficient. RESULTS: A high level of agreement was observed between the GTV and CTV contours in the MRI-only workflow with a mean kappa of 0.88 and 0.89, respectively, with no statistically significant differences compared to the CT-MRI workflow (p = 0.88 and p = 0.82 for GTV and CTV, respectively). Agreement in cochlea contours improved from a mean kappa of 0.39 to 0.41, to 0.69 to 0.71 with the addition of CT information (p < 0.0001 for both cochleae). Substantial to near perfect level of agreement was observed in all other contoured OARs with a mean kappa range of 0.60 to 0.90 in both MRI-only and CT-MRI workflows. CONCLUSIONS: Consensus contouring recommendations for low grade and high grade gliomas were established using the results from the consensus STAPLE contours, which will serve as a basis for further study and clinical trials by the MR-Linac Consortium.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».