Characterisation of paediatric brain tumours by their MRS metabolite profiles
Notice bibliographique
Résumé
H-magnetic resonance spectroscopy (MRS) has the potential to improve the noninvasive diagnostic accuracy for paediatric brain tumours. However, studies analysing large, comprehensive, multicentre datasets are lacking, hindering translation to widespread clinical practice. Single-voxel MRS (point-resolved single-voxel spectroscopy sequence, 1.5 T: echo time [TE] 23-37 ms/135-144 ms, repetition time [TR] 1500 ms; 3 T: TE 37-41 ms/135-144 ms, TR 2000 ms) was performed from 2003 to 2012 during routine magnetic resonance imaging for a suspected brain tumour on 340 children from five hospitals with 464 spectra being available for analysis and 281 meeting quality control. Mean spectra were generated for 13 tumour types. Mann-Whitney U-tests and Kruskal-Wallis tests were used to compare mean metabolite concentrations. Receiver operator characteristic curves were used to determine the potential for individual metabolites to discriminate between specific tumour types. Principal component analysis followed by linear discriminant analysis was used to construct a classifier to discriminate the three main central nervous system tumour types in paediatrics. Mean concentrations of metabolites were shown to differ significantly between tumour types. Large variability existed across each tumour type, but individual metabolites were able to aid discrimination between some tumour types of importance. Complete metabolite profiles were found to be strongly characteristic of tumour type and, when combined with the machine learning methods, demonstrated a diagnostic accuracy of 93% for distinguishing between the three main tumour groups (medulloblastoma, pilocytic astrocytoma and ependymoma). The accuracy of this approach was similar even when data of marginal quality were included, greatly reducing the proportion of MRS excluded for poor quality. Children's brain tumours are strongly characterised by MRS metabolite profiles readily acquired during routine clinical practice, and this information can be used to support noninvasive diagnosis. This study provides both key evidence and an important resource for the future use of MRS in the diagnosis of children's brain tumours.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».