Predicting overall survival in diffuse glioma from the presurgical connectome
Notice bibliographique
Résumé
Abstract Diffuse gliomas are incurable brain tumors, yet there is significant heterogeneity in patient survival. Advanced computational techniques such as radiomics show potential for presurgical prediction of survival and other outcomes from neuroimaging. However, these techniques ignore non-lesioned brain features that could be essential for improving prediction accuracy. Whole-brain network (connectome) features were retrospectively identified from 305 adult patients diagnosed with diffuse glioma. These features were entered into a Cox proportional hazards model to predict overall survival with 10-folds cross-validation. The mean time-dependent area under the curve (AUC) of the connectome model was compared with the mean AUCs of clinical and radiomic models using a pairwise t-test with Bonferroni correction. One clinical model included only features that are known presurgery (clinical) and another included an advantaged set of features that are not typically known presurgery (clinical+). The median survival time for all patients was 134.2 months. The connectome model (AUC 0.88 +/- 0.01) demonstrated superior performance (P < 0.001, corrected) compared to the clinical (AUC 0.61 +/- 0.02), clinical+ (AUC 0.79 +/- 0.01) and radiomic models (AUC 0.75 +/- 0.02). These findings indicate that the connectome is a feasible and reliable early biomarker for predicting survival in patients with diffuse glioma. Connectome models could be valuable tools for precision medicine by informing patient risk stratification and treatment 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».