504 Improving Precision of Resection Limits in Surgery for High-grade Gliomas: Preliminary Experience with an In Vivo Raman Spectroscopy Probe
Notice bibliographique
Résumé
INTRODUCTION: Supramaximal resection of gliomas to anatomic-functional boundaries is currently widely employed. This leads to removal of potentially tumor-negative thus healthy brain tissue. Therefore, a device that detects glioma tissue infiltrating the white matter in vivo would be valuable. METHODS: Patients and methods. An in vivo Raman spectroscopic system (Sentry 1000, ODS Medical, Montreal, Canada) with an early stage binary classifier trained on 501 samples from 17 patients (tumor n=211 and pure normal n=290 from Montreal Neurological Hospital, Montreal, Canada) has been employed in 15 patients with high-grade gliomas . Of those, 172 samples were collected from 2 areas: n=18 from the central tumor core and n=154 from the adjacent glioma-infiltrated white matter until Raman negative or until an anatomic or functional boundary was reached. All samples were reviewed for the presence of glioma cells by histopathology. RESULTS: Sensitivity of Raman spectroscopy for correct high-grade glioma cells was 79%, specificity for non-infiltrated white matter was 52%. Median resection volume outside MR contrast enhancement was 78 ± 143 cm 3 . Removal of the infiltration zone guided by Raman spectroscopy revealed a non-concentric growth mainly along white matter fiber bundles. CONCLUSION: According to our data, Raman spectroscopy has the potential to improve the precision of high-grade glioma resection. This may allow a more selective removal of the tumor-infiltrated white matter.
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) | 0,001 | 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 ».