Prediction of Incomplete Response of Primary Tumour Based on Clinical and Radiomics Features in Inoperable Head and Neck Cancers after Definitive Treatment
Notice bibliographique
Résumé
Radical treatment of patients diagnosed with inoperable and locally advanced head and neck cancers (LAHNC) is still a challenge for clinicians. Prediction of incomplete response (IR) of primary tumour would be of value to the treatment optimization for patients with LAHNC. Aim of this study was to develop and evaluate models based on clinical and radiomics features for prediction of IR in patients diagnosed with LAHNC and treated with definitive chemoradiation or radiotherapy. Clinical and imaging data of 290 patients were included into this retrospective study. Clinical model was built based on tumour and patient related features. Radiomics features were extracted based on imaging data, consisting of contrast- and non-contrast-enhanced pre-treatment CT images, obtained in process of diagnosis and radiotherapy planning. Performance of clinical and combined models were evaluated with area under the ROC curve (AUROC). Classification performance was evaluated using 5-fold cross validation. Model based on selected clinical features including ECOG performance, tumour stage T3/4, primary site: oral cavity and tumour volume were significantly predictive for IR, with AUROC of 0.78. Combining clinical and radiomics features did not improve model's performance, achieving AUROC 0.77 and 0.68 for non-contrast enhanced and contrast-enhanced images respectively. The model based on clinical features showed good performance in IR prediction. Combined model performance suggests that real-world imaging data might not yet be ready for use in predictive models.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».