MétaCan
Menu
Retour à la cohorte
Enregistrement W4283460785 · doi:10.3390/cancers14133105

Nasopharyngeal Carcinoma Radiomic Evaluation with Serial PET/CT: Exploring Features Predictive of Survival in Patients with Long-Term Follow-Up

2022· article· en· W4283460785 sur OpenAlexaff
Adam A. Dmytriw, Claudia Ortega, Reut Anconina, Ur Metser, Zhihui A. Liu, Zijin Liu, Xuan Li, Thiparom Sananmuang, Eugene Yu, Sayali Joshi, John Waldron, Shao Hui Huang, Scott V. Bratman, Andrew Hope, Patrick Veit‐Haibach

Notice bibliographique

RevueCancers · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health NetworkToronto General HospitalUniversity of TorontoHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésNasopharyngeal carcinomaMedicineRadiomicsTerm (time)RadiologyMedical physicsOncologyNuclear medicineRadiation therapy

Résumé

récupéré en direct d'OpenAlex

PURPOSE: We aim determine the value of PET and CT radiomic parameters on survival with serial follow-up PET/CT in patients with nasopharyngeal carcinoma (NPC) for which curative intent therapy is undertaken. METHODS: Patients with NPC and available pre-treatment as well as follow up PET/CT were included from 2005 to 2006 and were followed to 2021. Baseline demographic, radiological and outcome data were collected. Univariable Cox proportional hazard models were used to evaluate features from baseline and follow-up time points, and landmark analyses were performed for each time point. RESULTS: Sixty patients were enrolled, and two-hundred and seventy-eight (278) PET/CT were at baseline and during follow-up. Thirty-eight percent (38%) were female, and sixty-two patients were male. All patients underwent curative radiation or chemoradiation therapy. The median follow-up was 11.72 years (1.26-14.86). Five-year and ten-year overall survivals (OSs) were 80.0% and 66.2%, and progression-free survival (PFS) was 90.0% and 74.4%. Time-dependent modelling suggested that, among others, PET gray-level zone length matrix (GLZLM) gray-level non-uniformity (GLNU) (HR 2.74 95% CI 1.06, 7.05) was significantly associated with OS. Landmark analyses suggested that CT parameters were most predictive at 15 month, whereas PET parameters were most predictive at time points 3, 6, 9 and 15 month. CONCLUSIONS: This study with long-term follow up data on NPC suggests that mainly PET-derived radiomic features are predictive for OS but not PFS in a time-dependent evaluation. Furthermore, CT radiomic measures may predict OS and PFS best at initial and long-term follow-up time points and PET measures may be more predictive in the interval. These modalities are commonly used in NPC surveillance, and prospective validation should be considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,522

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,267
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207