Image-guided Raman spectroscopy navigation system to improve transperineal prostate cancer detection. Part 1: Raman spectroscopy fiber-optics system and in situ tissue characterization
Notice bibliographique
Résumé
SIGNIFICANCE: The diagnosis of prostate cancer (PCa) and focal treatment by brachytherapy are limited by the lack of precise intraoperative information to target tumors during biopsy collection and radiation seed placement. Image-guidance techniques could improve the safety and diagnostic yield of biopsy collection as well as increase the efficacy of radiotherapy. AIM: To estimate the accuracy of PCa detection using in situ Raman spectroscopy (RS) in a pilot in-human clinical study and assess biochemical differences between in vivo and ex vivo measurements. APPROACH: A new miniature RS fiber-optics system equipped with an electromagnetic (EM) tracker was guided by trans-rectal ultrasound-guided imaging, fused with preoperative magnetic resonance imaging to acquire 49 spectra in situ (in vivo) from 18 PCa patients. In addition, 179 spectra were acquired ex vivo in fresh prostate samples from 14 patients who underwent radical prostatectomy. Two machine-learning models were trained to discriminate cancer from normal prostate tissue from both in situ and ex vivo datasets. RESULTS: A support vector machine (SVM) model was trained on the in situ dataset and its performance was evaluated using leave-one-patient-out cross validation from 28 normal prostate measurements and 21 in-tumor measurements. The model performed at 86% sensitivity and 72% specificity. Similarly, an SVM model was trained with the ex vivo dataset from 152 normal prostate measurements and 27 tumor measurements showing reduced cancer detection performance mostly attributable to spatial registration inaccuracies between probe measurements and histology assessment. A qualitative comparison between in situ and ex vivo measurements demonstrated a one-to-one correspondence and similar ratios between the main Raman bands (e.g., amide I-II bands, phenylalanine). CONCLUSIONS: PCa detection can be achieved using RS and machine learning models for image-guidance applications using in situ measurements during prostate biopsy procedures.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».