Ultrasound delta-radiomics during radiotherapy to predict recurrence in patients with head and neck squamous cell carcinoma
Notice bibliographique
Résumé
PURPOSE: This study investigated the use of quantitative ultrasound (QUS) obtained during radical radiotherapy (RT) as a radiomics biomarker for predicting recurrence in patients with node-positive head-neck squamous cell carcinoma (HNSCC). METHODS: Fifty-one patients with HNSCC were treated with RT (70 Gy/33 fractions) (±concurrent chemotherapy) were included. QUS Data acquisition involved scanning an index neck node with a clinical ultrasound device. Radiofrequency data were collected before starting RT, and after weeks 1, and 4. From this data, 31 spectral and related-texture features were determined for each time and delta (difference) features were computed. Patients were categorized into two groups based on clinical outcomes (recurrence or non-recurrence). Three machine learning classifiers were used for the development of a radiomics model. Features were selected using a forward sequential selection method and validated using leave-one-out cross-validation. RESULTS: The median follow up for the entire group was 38 months (range 7-64 months). The disease sites involved neck masses in patients with oropharynx (39), larynx (5), carcinoma unknown primary (5), and hypopharynx carcinoma (2). Concurrent chemotherapy and cetuximab were used in 41 and 1 patient(s), respectively. Recurrence was seen in 17 patients. At week 1 of RT, the support vector machine classifier resulted in the best performance, with accuracy and area under the curve (AUC) of 80% and 0.75, respectively. The accuracy and AUC improved to 82% and 0.81, respectively, at week 4 of treatment. CONCLUSION: QUS Delta-radiomics can predict higher risk of recurrence with reasonable accuracy in 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 | 0,000 |
| 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 ».