Applying radiomics to predict pathology of post chemotherapy retroperitoneal nodal masses in germ cell tumors (GCT).
Notice bibliographique
Résumé
4559 Background: After chemotherapy, > 50% of patients (pts) with metastatic testicular GCT who undergo retroperitoneal lymph node dissection (RPNLD) for residual masses are found to have fibrosis (F) alone on pathological examination. To minimize overtreatment, better prediction algorithms are needed to identify pts with F who can avoid RPLND. Radiomics uses image processing techniques to extract quantitative textures/features from tumor regions of interest (ROI) to train a classifier that predicts pathological findings. We hypothesized that radiomics may identify pts with a high predicted likelihood of F who may avoid RPLND. Methods: Pts with GCT who had an RPLND for nodal masses > 1cm after first line platinum chemotherapy were included. Preoperative contrast enhanced axial CT images of retroperitoneal ROI were manually contoured. 153 radiomics features trained a radial basis function support vector machine classifier to discriminate between viable GCT /Mature Teratoma (T) vs F. Nested ten-fold cross-validation protocol was employed to determine classifier accuracy. Clinical variables and restricted size criteria were used to optimize the classifier. Results: A total of 82 pts with 102 ROI were analyzed (GCT: 21; T: 41; F: 40). The discriminative accuracy of radiomics to identify GCT/T vs F was 72%(±2.2)(AUC: 0.74 (±0.028); positive predictive value: 67% (48-92%); negative predictive value: 74% (62-84%)(p = 0.001)). No major predictive differences were identified when data was restricted by varying maximal axial diameters (AUC range: 0.58(±0.05) - 0.74(±0.03)). Prediction algorithm using clinical variables alone identified an AUC of 0.71 (±0.15). When these variables were added to the radiomic signature, the best performing classifier was identified when axial tumors were limited to diameter < 2cm (accuracy: 88.2 (±4.4); AUC: 0.80 (±0.05)(p = 0.02)). Conclusions: A predictive radiomics algorithm had an overall discriminative accuracy of 72% that improved to 88% when combined with clinical details. Further independent validation is required to assess whether radiomics, in conjunction with standard clinical predictors, may allow pts with a high predicted likelihood of F to avoid RPLND.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».