IMG-10. MRI-BASED RADIOMIC PROGNOSTIC MARKERS OF DIFFUSE MIDLINE GLIOMA
Notice bibliographique
Résumé
Abstract BACKGROUND Diffuse midline gliomas (DMG) are lethal pediatric brain tumors with dismal prognoses. Presently, MRI is the mainstay of disease diagnosis and surveillance. We aimed to identify prognostic image-based radiomics markers of DMG and compare its performance to clinical variables at presentation. METHODS 104 treatment-naïve DMG MRIs from five centers were used (median age=6.5yrs; 18 males, median OS=11mos). We isolated tumor volumes of T1-post-contrast (T1gad) and T2-weighted (T2) MRI for PyRadiomics high-dimensional feature extraction. 900 features were extracted on each image, including first order statistics, 2D/3D Shape, Gray Level Co-occurrence Matrix, Gray Level Run Length Matrix, Gray Level Size Zone Matrix, Neighboring Gray tone Difference Matrix, and Gray Level Dependence Matrix, as defined by Imaging Biomarker Standardization Initiative. Overall survival (OS) served as outcome. 10-fold cross-validation of LASSO Cox regression was used to predict OS. We analyzed model performance using clinical variable (age at diagnosis and sex) only, radiomics only, and radiomics plus clinical variable. Concordance metric was used to assess the Cox model. RESULTS Nine radiomic features were selected from T1gad (2 texture wavelet) and T2 (5 first-order features (1 original, 4 wavelet), 2 texture features (1 wavelet, 1 log-sigma). This model demonstrated significantly higher performance than a clinical model alone (C: 0.68 vs 0.59, p<0.001). Adding clinical features to radiomic features slightly improved prediction, but was not significant (C=0.70, p=0.06). CONCLUSION Our pilot study shows a potential role for MRI-based radiomics and machine learning for DMG risk stratification and as image-based biomarkers for clinical therapy trials.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 ».