Contrast Enhanced CT Radiogenomics in a Retrospective NSCLC Cohort: Models, Attempted Validation of a Published Model and the Relevance of the Clinical Context
Notice bibliographique
Résumé
RATIONALE AND OBJECTIVE: To develop a radiogenomic predictive model for non-small cell lung cancer (NSCLC) patients studied through contrast enhanced chest computed tomography (CE-CT) targeting the most frequent gene alterations. M&M: A retrospective study of patients with NSCLC imaged with CE-CT before treatment and had their tumor genomics sequenced at our institution was performed. Data was gathered from their imaging studies, their electronic medical records and a web-based database search (cBioPortal.ca). All of the patient data was tabulated for analysis. Two predictive models (M1 & M2) were created using different approaches and a third model was extracted from the literature to also be tested in our population. RESULTS: Out of 157 patients, eighty were male (51%) and 124 (79%) had a history of smoking. The three most prevalent genes were KRAS, TP53 and EGFR. The M1 radiomics-only model median AUC were 0.61 (TP53), 0.53 (KRAS) and 0.64 (EGFR) and for M1 radiomics + clinical were 0.61 (TP53), 0.61 (KRAS) and 0.80 (EGFR). The M2 radiomics-only model median AUC were 0.63 (TP53), 0.60 (KRAS) and 0.65 (EGFR) and for M2 radiomics + clinical were 0.64 (TP53), 0.62 (KRAS) and 0.81 (EGFR). The external EGFR radiomic model showed an AUC of 0.69 and 0.86 for the radiomics-only and combined radiomics + clinical respectively. CONCLUSION: Our study was able to provide robust predictive radiomics model evaluation for the detection of TP53, KRAS and EGFR. We also compared our performance with an already published model and observed how impactful clinical variables can be on models' performance. CLINICAL RELEVANCE STATEMENT: Identifying tumor mutations in patients that can't undergo biopsy is critical for their outcomes. KEYPOINTS: • Tumor genomic profiling is critical for treatment selection • CE-CT radiomics produce robust predictive models comparable to those already published • Clinical variables should be considered/included in predictive models.
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 | 0,015 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».