Combined 18F-FDG PET/CT Radiomics and Sarcopenia Score in Predicting Relapse-Free Survival and Overall Survival in Patients With Esophagogastric Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to determine if radiomic features combined with sarcopenia measurements on pretreatment 18 F-FDG PET/CT can improve outcome prediction in surgically treated adenocarcinoma esophagogastric cancer patients. PATIENTS AND METHODS: One hundred forty-five esophageal adenocarcinoma patients with curative therapeutic intent and available pretreatment 18 F-FDG PET/CT were included. Textural features from PET and CT images were evaluated using LIFEx software ( lifexsoft.org ). Sarcopenia measurements were done by measuring the Skeletal Muscle Index at L3 level on the CT component. Univariable and multivariable analyses were conducted to create a model including the radiomic parameters, clinical features, and Skeletal Muscle Index score to predict patients' outcome. RESULTS: In multivariable analysis, we combined clinicopathological parameters including ECOG, surgical T, and N staging along with imaging derived sarcopenia measurements and radiomic features to build a predictor model for relapse-free survival and overall survival. Overall, adding sarcopenic status to the model with clinical features only (likelihood ratio test P = 0.03) and CT feature ( P = 0.0037) improved the model fit for overall survival. Similarly, adding sarcopenic status ( P = 0.051), CT feature ( P = 0.042), and PET feature ( P = 0.011) improved the model fit for relapse-free survival. CONCLUSIONS: PET and CT radiomics derived from combined PET/CT integrated with clinicopathological parameters and sarcopenia measurement might improve outcome prediction in patients with nonmetastatic esophagogastric adenocarcinoma.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle