Early changes in quantitative ultrasound imaging parameters during neoadjuvant chemotherapy to predict recurrence in patients with locally advanced breast cancer
Notice bibliographique
Résumé
Abstract Background: This study was conducted in order to explore the use of quantitative ultrasound (QUS) based higher-order texture derivatives in predicting recurrence for patients with locally advanced breast cancer (LABC) early during neoadjuvant chemotherapy (NAC). Methods: Eighty-three patients with LABC were scanned with 7 MHz ultrasound before starting NAC (week 0) and during treatment (week 4). Spectral parametric maps were generated corresponding to tumor volume. Twenty-four textural features (QUS-Tex1) were determined from parametric maps acquired using grey-level co-occurrence matrices (GLCM) for each patient, which were further processed to generate 64 texture derivatives (QUS-Tex1-Tex2), leading to a total of 95 features from each time points. Analysis was carried out on week 4 data and compared to baseline (week 0) data. ∆Week 4 data was obtained from the difference in QUS parameters, texture features (QUS-Tex1), and texture derivatives (QUS-Tex1-Tex2) of week 4 data and week 0 data. Patients were divided into two groups based on their clinical status: recurrence and no-recurrence. Machine learning algorithms using k-nearest neighbor (k-NN) and support vector machines (SVM) were used to generate radiomic models. Results: With a median follow up of 69 months (range 7-118 months), 28 patients had disease recurrence. The k-NN classifier was the best performing algorithm at week 4 with sensitivity, specificity, accuracy, and area under curve (AUC) of 87%, 75%, 81%, and 0.83, respectively. The inclusion of texture derivatives (QUS-Tex1-Tex2) in week 4 QUS data analysis led to the improvement of the classifier performances. The AUC increased significantly from 0.70 (without texture derivatives) to 0.83 (with texture derivatives). The most relevant features in separating the two groups were higher-order texture derivatives obtained from scatterer diameter and acoustic concentration-related parametric images. Conclusion: This is the first study highlighting the utility of QUS radiomics in the prediction of recurrence during the treatment of LABC. It reflects that the ongoing treatment-related changes can predict clinical outcomes with higher accuracy as compared to pretreatment features alone. Clinical Trial Registration: ClinicalTrials.gov Identifier: NCT00437879 .Registry name: Clinicaltrials.gov.Date of registration: 20th February 2007URL: https://clinicaltrials.gov/ct2/show/study/NCT00437879
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 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 ».