MétaCan
Menu
Retour à la cohorte
Enregistrement W3120707792 · doi:10.1097/tp.0000000000003605

A Pre-TACE Radiomics Model to Predict HCC Progression and Recurrence in Liver Transplantation: A Pilot Study on a Novel Biomarker

2021· article· en· W3120707792 sur OpenAlexaff
Tommy Ivanics, Emmanuel Salinas-Miranda, Phillipe Abreu, Farzad Khalvati, Khashayar Namdar, Xin Dong, Dominik Deniffel, Andre Gorgen, Lauren Erdman, Kartik Jhaveri, Masoom A. Haider, Patrick Veit‐Haibach, Gonzalo Sapisochín

Notice bibliographique

RevueTransplantation · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatocellular Carcinoma Treatment and Prognosis
Établissements canadiensLunenfeld-Tanenbaum Research InstituteUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésInterquartile rangeMedicineRadiomicsReceiver operating characteristicHepatocellular carcinomaLiver transplantationRadiologyClinical endpointResponse Evaluation Criteria in Solid TumorsMilan criteriaTransplantationSurrogate endpointNuclear medicineInternal medicineProgressive diseaseClinical trialDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite transarterial chemoembolization (TACE) for hepatocellular carcinoma (HCC), a significant number of patients will develop progression on the liver transplant (LT) waiting list or disease recurrence post-LT. We sought to evaluate the feasibility of a pre-TACE radiomics model, an imaging-based tool to predict these adverse outcomes. METHODS: We analyzed the pre-TACE computed tomography images of patients waiting for a LT. The primary endpoint was a combined event that included waitlist dropout for tumor progression or tumor recurrence post-LT. The radiomic features were extracted from the largest HCC volume from the arterial and portal venous phase. A third set of features was created, combining the features from these 2 contrast phases. We applied a least absolute shrinkage and selection operator feature selection method and a support vector machine classifier. Three prognostic models were built using each feature set. The models' performance was compared using 5-fold cross-validated area under the receiver operating characteristic curves. RESULTS: . Eighty-eight patients were included, of whom 33 experienced the combined event (37.5%). The median time to dropout was 5.6 mo (interquartile range: 3.6-9.3), and the median time for post-LT recurrence was 19.2 mo (interquartile range: 6.1-34.0). Twenty-four patients (27.3%) dropped out and 64 (72.7%) patients were transplanted. Of these, 14 (21.9%) had recurrence post-LT. Model performance yielded a mean area under the receiver operating characteristic curves of 0.70 (±0.07), 0.87 (±0.06), and 0.81 (±0.06) for the arterial, venous, and the combined models, respectively. CONCLUSIONS: A pre-TACE radiomics model for HCC patients undergoing LT may be a useful tool for outcome prediction. Further external model validation with a larger sample size is required.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,130
Score d'incertitude au seuil0,711

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,113
Tête enseignante GPT0,314
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations34
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransplantationMême sujetHepatocellular Carcinoma Treatment and PrognosisTravaux en français237 207