Computed tomography-based radiomic to predict resectability in locally advanced pancreatic cancer treated with chemotherapy and radiotherapy
Notice bibliographique
Résumé
BACKGROUND: Surgical resection after neoadjuvant treatment is the main driver for improved survival in locally advanced pancreatic cancer (LAPC). However, the diagnostic performance of computed tomography (CT) imaging to evaluate the residual tumour burden at restaging after neoadjuvant therapy is low due to the difficulty in distinguishing neoplastic tissue from fibrous scar or inflammation. In this context, radiomics has gained popularity over conventional imaging as a complementary clinical tool capable of providing additional, unprecedented information regarding the intratumor heterogeneity and the residual neoplastic tissue, potentially serving in the therapeutic decision-making process. AIM: To assess the capability of radiomic features to predict surgical resection in LAPC treated with neoadjuvant chemotherapy and radiotherapy. METHODS: Patients with LAPC treated with intensive chemotherapy followed by ablative radiation therapy were retrospectively reviewed. One thousand six hundred and fifty-five radiomic features were extracted from planning CT inside the gross tumour volume. Both extracted features and clinical data contribute to create and validate the predictive model of resectability status. Patients were repeatedly divided into training and validation sets. The discriminating performance of each model, obtained applying a LASSO regression analysis, was assessed with the area under the receiver operating characteristic curve (AUC). The validated model was applied to the entire dataset to obtain the most significant features. RESULTS: Seventy-one patients were included in the analysis. Median age was 65 years and 57.8% of patients were male. All patients underwent induction chemotherapy followed by ablative radiotherapy, and 19 (26.8%) ultimately received surgical resection. After the first step of variable selections, a predictive model of resectability was developed with a median AUC for training and validation sets of 0.862 (95%CI: 0.792-0.921) and 0.853 (95%CI: 0.706-0.960), respectively. The validated model was applied to the entire dataset and 4 features were selected to build the model with predictive performance as measured using AUC of 0.944 (95%CI: 0.892-0.996). CONCLUSION: The present radiomic model could help predict resectability in LAPC after neoadjuvant chemotherapy and radiotherapy, potentially integrating clinical and morphological parameters in predicting surgical resection.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».