Survival prediction using radiomic signatures in metastatic gastric and esophageal adenocarcinoma (GEA).
Notice bibliographique
Résumé
357 Background: Radiomic characterisation of tumour phenotypes can generate image-driven biomarkers that potentially aid in clinical decision-making. We sought to identify radiomic features in metastatic GEA that may be predictive for survival outcomes. Methods: A retrospective analysis between 2009-20 identified patients (pts) with metastatic GEA. All pts received chemotherapy (CTx), with a ‘baseline’ and 8-12 week ‘on-treatment’ contrast-enhanced CT chest/abdomen/pelvis performed. Radiomic analysis was performed with LIFEx (livexsoft.org). Population demographics and clinical outcomes were recorded. Univariable Cox proportional hazards model (UVA) assessed clinical variables (n=26) predictive of overall survival (OS) and progression-free survival (PFS) with p=0.05 indicating significance. Multivariable Cox model (MVA) was used to assess radiomic features (n=78) in the presence of clinical variables. Concordance index (C-index) was calculated to assess model performance (≥0.7 = high predictive accuracy). A ‘validation’ cohort analysis was performed to validate the model. Results: 166 pts were identified (primary cohort n=143; validation cohort n=23). 123 had de-novo metastatic disease, 43 recurrence following curative-intent therapy. In the primary cohort the median age was 58.1y, 101 (71%) were male, 120 (84%) were non-Asian and 131 (92%) were ECOG 0-1. Similar demographics were observed in the validation cohort. Both ‘baseline’ and ‘on-treatment’ scans UVA identified Her2 status, ethnicity, and the number of CTx cycles as predictive of PFS, while ECOG, brain metastases, neutrophil count (ANC), albumin and number of CTx cycles were predictive of OS. ‘Baseline’ model analysis for PFS and OS identified consistent radiomic features (HUskewness; HUpeakSphere), with an observed C-index 0.6 and 0.657 respectively. No radiomic features were identified on ‘on-treatment’ PFS analysis. ‘On-treatment’ OS analysis is shown in the table with 3 radiomic features (SHAPE Surface; SHAPE Compacity; PARAMS ZSpatial-Resampling) predictive for OS. The C-index is 0.76. Analysis of the validation cohort supported the model (C-index 0.815) for ‘on-treatment’ OS. Conclusions: Radiomic analysis identified a number of features associated with PFS and OS. The features specifically identified on ‘on-treatment’ scans were highly predictive for OS. Our analysis suggests radiomic features in addition to clinical variables can be predictive of outcome in patients with metastatic GEA receiving CTx.[Table: see text]
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | medium |
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 | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».