Assessment of clinical radiosensitivity in patients with head-neck squamous cell carcinoma from pre-treatment quantitative ultrasound radiomics
Notice bibliographique
Résumé
To investigate the role of quantitative ultrasound (QUS) radiomics to predict treatment response in patients with head and neck squamous cell carcinoma (HNSCC) treated with radical radiotherapy (RT). Five spectral parameters, 20 texture, and 80 texture-derivative features were extracted from the index lymph node before treatment. Response was assessed initially at 3 months with complete responders labelled as early responders (ER). Patients with residual disease were followed to classify them as either late responders (LR) or patients with persistent/progressive disease (PD). Machine learning classifiers with leave-one-out cross-validation was used for the development of a binary response-prediction radiomics model. A total of 59 patients were included in the study (22 ER, 29 LR, and 8 PD). A support vector machine (SVM) classifier led to the best performance with accuracy and area under curve (AUC) of 92% and 0.91, responsively to define the response at 3 months (ER vs. LR/PD). The 2-year recurrence-free survival for predicted-ER, LR, PD using an SVM-model was 91%, 78%, and 27%, respectively (p < 0.01). Pretreatment QUS-radiomics using texture derivatives in HNSCC can predict the response to RT with an accuracy of more than 90% with a strong influence on the survival.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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».