Diffusion-Weighted Imaging Prior to Percutaneous Sclerotherapy of Venous Malformations—Proof of Concept Study for Prediction of Clinical Outcome
Notice bibliographique
Résumé
Prediction of response to percutaneous sclerotherapy in patients with venous malformations (VM) is currently not possible with baseline clinical or imaging characteristics. This prospective single-center study aimed to predict treatment outcome of percutaneous sclerotherapy as measured by quality of life (QoL) by using radiomic analysis of diffusion-weighted (dw) magnetic resonance imaging (MRI) before and after first percutaneous sclerotherapy. In all patients (n = 16) pre-interventional (PRE-) and delta (DELTA-) radiomic features (RF) were extracted from dw-MRI before and after first percutaneous sclerotherapy with ethanol gel or polidocanol foam, while QoL was assessed using the Toronto Extremity Salvage Score (TESS) and the 36-Item Short Form Survey (SF-36) health questionnaire. For selecting features that allow differentiation of clinical response, a stepwise dimension reduction was performed. Logistic regression models were fitted and selected PRE-/DELTA-RF were tested for their predictive value. QoL improved significantly after percutaneous sclerotherapy. While no common baseline patient characteristics were able to predict response to percutaneous sclerotherapy, the radiomics signature of VMs (independent PRE/DELTA-RF) revealed high potential for the prediction of clinical response after percutaneous sclerotherapy. This proof-of-concept study provides first evidence on the potential predictive value of (delta) radiomic analysis from diffusion-weighted MRI for Quality-of-Life outcome after percutaneous sclerotherapy in patients with venous malformations.
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 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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».