A radiomic biomarker for prognosis of resected colorectal cancer liver metastases generalizes across MRI contrast agents
Notice bibliographique
Résumé
Introduction: Contrast-enhanced MRI is routinely performed as part of preoperative work-up for patients with Colorectal Cancer Liver Metastases (CRLM). Radiomic biomarkers depicting the characteristics of CRLMs in MRI have been associated with overall survival (OS) of patients, but the reproducibility and clinical applicability of these biomarkers are limited due to the variations in MRI protocols between hospitals. Methods: In this work, we propose a generalizable radiomic model for predicting OS of CRLM patients who received preoperative chemotherapy and delayed-phase contrast enhanced (DPCE) MRIs prior to hepatic resection. This retrospective two-center study included three DPCE MRI cohorts (n=221) collected between January 2006 and December 2012. A 10-minute delayed Gd-DO3A-butrol enhanced MRI discovery cohort was used to select features based on robustness across contrast agents, correlation with OS and pairwise Pearson correlation, and to train a logistic regression model that predicts 3-year OS. Results: The model was evaluated on a 10-minute delayed Gd-DO3A-butrol enhanced MRI validation cohort (n=121), a 20-minute delayed Gd-EOB-DTPA (n=72) cohort from the same institute, and a 5-minute delayed Gd-DTPA cohort (n=28) from an independent institute. Two features were selected: minor axis length and dependence variance. The radiomic signature model stratified high-risk and low-risk CRLM groups in the Gd-DO3Abutrol (HR = 6.29, p = .007), Gd-EOB-DTPA (HR = 3.54, p = .003) and Gd-DTPA (HR = 3.16, p = .04) validation cohorts. Discussion: While most existing MRI findings focus on a specific contrast agent, our study shows the potential of MRI features to be generalizable across main-stream contrast agents at delayed phase.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».