Noninvasive prediction of axillary lymph node breast cancer metastasis using morphometric analysis of nodal tumor microvessels in a contrast-free ultrasound approach
Notice bibliographique
Résumé
PURPOSE: Changes in microcirculation of axillary lymph nodes (ALNs) may indicate metastasis. Reliable noninvasive imaging technique to quantify such variations is lacking. We aim to develop and investigate a contrast-free ultrasound quantitative microvasculature imaging technique for detection of metastatic ALN in vivo. EXPERIMENTAL DESIGN: The proposed ultrasound-based technique, high-definition microvasculature imaging (HDMI) provides superb images of tumor microvasculature at sub-millimeter size scales and enables quantitative analysis of microvessels structures. We evaluated the new HDMI technique on 68 breast cancer patients with ultrasound-identified suspicious ipsilateral axillary lymph nodes recommended for fine needle aspiration biopsy (FNAB). HDMI was conducted before the FNAB and vessel morphological features were extracted, analyzed, and the results were correlated with the histopathology. RESULTS: Out of 15 evaluated quantitative HDMI biomarkers, 11 were significantly different in metastatic and reactive ALNs (10 with P << 0.01 and one with 0.01 < P < 0.05). We further showed that through analysis of these biomarkers, a predictive model trained on HDMI biomarkers combined with clinical information (i.e., age, node size, cortical thickness, and BI-RADS score) could identify metastatic lymph nodes with an area under the curve of 0.9 (95% CI [0.82,0.98]), sensitivity of 90%, and specificity of 88%. CONCLUSIONS: The promising results of our morphometric analysis of HDMI on ALNs offer a new means of detecting lymph node metastasis when used as a complementary imaging tool to conventional ultrasound. The fact that it does not require injection of contrast agents simplifies its use in routine clinical practice.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».