Data from A Pilot Study of Volume Measurement as a Method of Tumor Response Evaluation to Aid Biomarker Development
Notice bibliographique
Résumé
Abstract Purpose: Tissue biomarker discovery is potentially limited by conventional tumor measurement techniques, which have an uncertain ability to accurately distinguish sensitive and resistant tumors. Semiautomated volumetric measurement of computed tomography imaging has the potential to more accurately capture tumor growth dynamics, allowing for more exact separation of sensitive and resistant tumors and a more accurate comparison of tissue characteristics. Experimental Design: Forty-eight patients with early stage non–small cell lung cancer and clinical characteristics of sensitivity to gefitinib were studied. High-resolution computed tomography was done at baseline and after 3 weeks of gefitinib. Tumors were then resected and molecularly profiled. Unidimensional and volumetric measurements were done using a semiautomated algorithm. Measurement changes were evaluated for their ability to differentiate tumors with and without sensitizing mutations. Results: Forty-four percent of tumors had epidermal growth factor receptor–sensitizing mutations. Receiver operating characteristic curve analysis showed that volumetric measurement had a higher area under the curve than unidimensional measurement for identifying tumors harboring sensitizing mutations (P = 0.009). Tumor volume decrease of >24.9% was the imaging criteria best able to classify tumors with and without sensitizing mutations (sensitivity, 90%; specificity, 89%). Conclusions: Volumetric tumor measurement was better than unidimensional tumor measurement at distinguishing tumors based on presence or absence of a sensitizing mutation. Use of volume-based response assessment for the development of tissue biomarkers could reduce contamination between sensitive and resistant tumor populations, improving our ability to identify meaningful predictors of sensitivity. Clin Cancer Res; 16(18); 4647–53. ©2010 AACR.
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 | 0,019 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».