Point-of-Care Diagnosis of Bladder Cancer With Vibrational Spectroscopy: A Systematic Review
Notice bibliographique
Résumé
IntroductionVibrational spectroscopy (VS) is a new and rapidly evolving technology in cancer diagnostics. Originating from analytical chemistry, VS evaluates vibrations of nuclei to produce a unique “biological fingerprint.” While multiple studies have been published on this technology and physician awareness has increased, no systematic review has evaluated the role of VS in bladder cancer (BCa) tissue diagnosis.MethodsTo conduct this systematic review, we searched the MEDLINE, Embase, and Cochrane databases for studies that used Raman spectroscopy (RS), surface-enhanced RS (SERS), infrared spectroscopy (IR) or near-infrared spectroscopy (NIRS) to analyze human BCa specimens. Studies using animal tissue or liquid biopsies were excluded. We synthesized the evidence by comparing modalities, study design, data analysis techniques, and diagnostic accuracy. The quality of evidence was evaluated by the QUADAS-2 tool.ResultsOut of 362 results, 20 studies met our inclusion criteria. There has been growing interest in VS use in BCa, with 50% of the studies published in the past 5 years. RS was the most commonly used modality (65%), followed by IR (20%) and SERS (10%). Only one study compared RS to IR (5%). The mean sample size was 44 patients (range, 6–214). To date, there have been only 2 in vivo studies, with the remaining ex vivo studies performed with large variation in tissue preparation, data analysis, and reporting. Advancements in fiber optic probes and machine-learning data analysis techniques, and increased computational power have improved diagnostic accuracy up to 98% sensitivity and 100% specificity.ConclusionsVS shows high potential for BCa diagnosis, but there is a need for uniform reporting methods and studies with adequate sample sizes to validate the models. RS has shown promising results, with ongoing improvements in fiber optic probes allowing its integration into conventional cystoscopes. While no single VS modality has proven to be perfect, a multimodal approach is likely required to establish its value in 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 | 0,009 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».