Exploring Hypoxia in Prostate Cancer With T2-weighted Magnetic Resonance Imaging Radiomics and Pimonidazole Scoring
Notice bibliographique
Résumé
BACKGROUND/AIM: Radiomics involves high throughput extraction of mineable precise quantitative imaging features that serve as non-invasive prognostic or predictive biomarkers. High levels of hypoxia are associated with a poorer prognosis in prostate cancer and limit radiation therapy efficacy. Most patients with prostate cancer undergo magnetic resonance imaging (MRI) as a part of their diagnostics, and T2 imaging is the most utilised imaging method. The aim of this study was to determine whether hypoxia in prostate tumors could be identified using a radiomics model extracted from T2-weighted MR images. MATERIALS AND METHODS: Eighty eight intermediate or high-risk prostate cancer patients were evaluated. Prior to radical prostatectomy, all patients received pimonidazole (PIMO). PIMO hypoxic scores were assigned in whole-mount sections from prostatectomy specimens by an experienced pathologist who was blinded to MRI. The region of interest used for radiomics analysis included the prostatic index tumor. Radiomics extraction yielded 165 features using a special evaluation version of RadiomiX [RadiomiX Research Toolbox version 20180831 (OncoRadiomics SA, Liège, Belgium)] for non-clinical use. Multivariable logistic regression with Elastic Net regularization was utilised using 10 times repeated 10-fold cross-validation to select the best model hyperparameters, optimizing for area under the receiver operating characteristic curve (AUC). RESULTS: The average (out of sample) performance based on the repeated cross validation using the ONESE model yielded an AUC of 0.60±0.2. Shape-based features were the most prominent in the model. CONCLUSION: The development of a radiomics hypoxia model using T2 weighted MR images, standard in the staging of prostate cancer, is possible.
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 | 0,001 | 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 | 0,002 |
| 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 ».