MétaCan
Menu
Retour à la cohorte
Enregistrement W4392573704 · doi:10.1148/rg.230125

Diagnostic Imaging for Retinoblastoma Cancer Staging: Guide for Providing Essential Insights for Ophthalmologists and Oncologists

2024· review· en· W4392573704 sur OpenAlexaff
Vivek Pai, Prakash Muthusami, Birgit Ertl‐Wagner, Manohar Shroff, Carmen Parra-Fariñas, Kanchan Sainani, Stephanie N. Kletke, Marie‐Anne Bründler, Ashwin Mallipatna

Notice bibliographique

RevueRadiographics · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueOcular Oncology and Treatments
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRetinoblastomaMedicineCancerGermlineGermline mutationInternal medicineMutationGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Retinoblastoma is the most common cause of all intraocular pediatric malignancies. It is caused by the loss of RB1 tumor suppressor gene function, although some tumors occur due to MYCN oncogene amplification with normal RB1 genes. Nearly half of all retinoblastomas occur due to a hereditary germline RB1 pathogenic variant, most of which manifest with bilateral tumors. This germline RB1 mutation also predisposes to intracranial midline embryonal tumors. Accurate staging of retinoblastoma is crucial in providing optimal vision-, eye-, and life-saving treatment. The AJCC Cancer Staging Manual has undergone significant changes, resulting in a universally accepted system with a multidisciplinary approach for managing retinoblastoma. The authors discuss the role of MRI and other diagnostic imaging techniques in the pretreatment assessment and staging of retinoblastoma. A thorough overview of the prevailing imaging standards and evidence-based perspectives on the benefits and drawbacks of these techniques is provided. Published under a CC BY 4.0 license. Test Your Knowledge questions for this article are available in the supplemental material. An earlier incorrect version of this article appeared online. This article was corrected on March 13, 2024.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,015

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,429
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiographicsMême sujetOcular Oncology and TreatmentsTravaux en français237 207