PREOPERATIVE DETERMINATION OF IDH STATUS AND GRADE IN GLIOMAS USING MRS
Notice bibliographique
Résumé
Abstract PURPOSE To evaluate the diagnostic accuracy of preoperative MRS in the determination of the IDH status and grade in patients with newly diagnosed gliomas. METHODS MRS was performed using a regular PRESS sequence and a spectral editing sequence (MEGA-PRESS). Concentration of 2-HG was estimated from the subtracted spectra from the edited MRS sequence while NAA, choline and creatinine concentrations were obtained from the regular PRESS sequence. IDH mutation status was assessed by immunohistochemistry for all patients and additional next generation sequencing for all grade 2 and 3 gliomas. Differences in metabolite concentrations between IHD-mutant and wild-type gliomas and between gliomas of various grades were assessed using non parametric tests. TAreas under-the ROC curve (AUC) for different metabolites were calculated with IDH mutation status or glioma grade as the outcome. RESULTS There were 29 IDH-mutant gliomas and 52 wild-type gliomas. There was a significant difference in the NAA/Choline ratio among various glioma grades (P<0.05). The AUC for 2HG was 0.74 in the differentiation between IDH-mutant vs wild type gliomas. Using a 2-HG cut-off of >0.96 I.U., sensitivity was 59% and specificity was 90% for the identification of IDH-mutant gliomas. The AUC for the NAA/Choline ratio was 0.74 in the differentiation of high vs low grade gliomas. Using a NAA/Choline cut-off ≤0.53, sensitivity was 45% and specificity was 100% for identification of high grade gliomas. CONCLUSION Preoperative MRS can identify IDH-mutant gliomas and high grade gliomas with high specificity.
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 | 0,003 |
| 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) | 0,000 | 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 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 ».