Quantitative ultrasound radiomics in predicting recurrence for patients with node‐positive head‐neck squamous cell carcinoma treated with radical radiotherapy
Notice bibliographique
Résumé
This prospective study was conducted to investigate the role of quantitative ultrasound (QUS) radiomics in predicting recurrence for patients with node-positive head-neck squamous cell carcinoma (HNSCC) treated with radical radiotherapy (RT). The most prominent cervical lymph node (LN) was scanned with a clinical ultrasound device having central frequency of 6.5 MHz. Ultrasound radiofrequency data were processed to obtain 7 QUS parameters. Color-coded parametric maps were generated based on individual QUS spectral features corresponding to each of the smaller units. A total of 31 (7 primary QUS and 24 texture) features were obtained before treatment. All patients were treated with radical RT and followed according to standard institutional practice. Recurrence (local, regional, or distant) served as an endpoint. Three different machine learning classifiers with a set of maximally three features were used for model development and tested with leave-one-out cross-validation for nonrecurrence and recurrence groups. Fifty-one patients were included, with a median follow up of 38 months (range 7-64 months). Recurrence was observed in 17 patients. The best results were obtained using a k-nearest neighbor (KNN) classifier with a sensitivity, specificity, accuracy, and an area under curve of 76%, 71%, 75%, and 0.74, respectively. All the three features selected for the KNN model were texture features. The KNN-model-predicted 3-year recurrence-free survival was 81% and 40% in the predicted no-recurrence and predicted-recurrence groups, respectively. (p = 0.001). The pilot study demonstrates pretreatment QUS-radiomics can predict the recurrence group with an accuracy of 75% in patients with node-positive HNSCC. Clinical trial registration: clinicaltrials.gov.in identifier NCT03908684.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».