Combination of FDG PET/CT Radiomics and Clinical Parameters for Outcome Prediction in Patients with Hodgkin’s Lymphoma
Notice bibliographique
Résumé
Abstract Purpose: The aim of the study is to evaluate the prognostic value of joint evaluation of PET- and CT radiomics combined with standard clinical parameters in patients with HL. Methods: Overall, 88 patients (42 female and 46 male) with a median age of 43.3 (range 21-85 years) were included. Textural analysis of the PET/CT images was performed using a freely available software (LIFE X). 65 radiomics features (RF) were evaluated. Univariate and Multivariate models were used to determine the value of clinical characteristics and FDG PET/CT radiomics in outcome prediction. A binary logistic regression model was used to determine potential predictors for radiotherapy and odds ratios (OR) with 95% confidence intervals (CI) were reported. Features relevant for survival outcome were assessed with Cox proportional hazards to calculate hazard ratios with 95% CI. Results: Overall, Albumin + ALP + CT radiomic features (Area under curve (AUC): 95.0 (86.9;100.0) – Brier: 3.9 (0.1;7.8) remained as significant independent predictors for outcome prediction. PET- SHAPE Sphericity (1.9 (1.05,3.42) p=0.033); CT grey level zone length matrix high gray-level zone emphasis (GLZLM SZHGE mean (2 (1.08,3.73) p=0.028)) and PARAMS XSpatial Resampling (2.1 (1.2,3.68) p=0.0091) as well as hemoglobin results (p=0.016) remained as independent features in the final model for binary outcome as predictors of need of radiotherapy. (AUC = 0.79) Conclusion: We evaluated the value of baseline clinical parameters as well as combined PET and CT radiomics in HL patients for survival and prediction of need of radiotherapy. We found that different combinations of all three factors/features were independently predictive of the here evaluated endpoints.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 |
| 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 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 ».