Combined Diagnostic Accuracy of Diffusion and Perfusion MR Imaging to Differentiate Radiation-Induced Necrosis from Recurrence in Glioblastoma
Notice bibliographique
Résumé
We aimed to use quantitative values derived from perfusion and diffusion-weighted MR imaging (PWI and DWI) to differentiate radiation-induced necrosis (RIN) from tumor recurrence in Glioblastoma (GBM) and investigate the best parameters for improved diagnostic accuracy and clinical decision-making. Methods: A retrospective analysis of follow-up MRI with new enhancing observations was performed in histopathologically confirmed subjects of post-treated GBM, who underwent re-surgical exploration. Quantitative estimation of rCBV (relative cerebral blood volume) from PWI and three methods of apparent diffusion coefficient (ADC) estimation were performed, namely ADC R1 (whole cross-sectional area of tumor), ADC R2 (only solid enhancing lesion), and ADC R3 (central necrosis). ROC curve and logistic regression analysis was completed. A confusion matrix table created using Excel provided the best combination parameters to ameliorate false-positive and false-negative results. Results: Forty-four subjects with a mean age of 46 years (range, 19−70 years) underwent re-surgical exploration with RIN in 28 (67%) and recurrent tumor in 16 (33%) on histopathology. rCBV threshold of >3.4 had the best diagnostic accuracy (AUC = 0.93, 81% sensitivity and 89% specificity). A multiple logistic regression model showed significant contributions from rCBV (p < 0.001) and ADC R3 (p = 0.001). After analysis of confusion matrix ADC R3 > 2032 × 10−6 mm2 achieved 100% specificity with gain in sensitivity (94% vs. 56%). Conclusions: A combination of parameters had better diagnostic performance, and a stepwise combination of rCBV and ADC R3 obviated unnecessary biopsies in 10% (3/28), leading to improved clinical decision-making.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».