Survival Outcome Prediction in Glioblastoma: Insights from MRI Radiomics
Notice bibliographique
Résumé
Background: Extracting multiregional radiomic features from multiparametric MRI for predicting pretreatment survival in isocitrate dehydrogenase (IDH) wild-type glioblastoma (GBM) patients is a promising approach. Methods: MRI data from 49 IDH wild-type glioblastoma patients pre-treatment were utilized. Diffusion and perfusion maps were generated, and tumor subregions segmented. Radiomic features were extracted for each tissue type and map. Feature selection on 1862 radiomic features identified 25 significant features. The Cox proportional-hazards model with LASSO regularization was used to perform survival analysis. Internal and external validation used a 38-patient training cohort and an 11-patient validation cohort. Statistical significance was set at p < 0.05. Results: Age and six radiomic features (shape and first and second order) from T1W, diffusion, and perfusion maps contributed to the final model. Findings suggest that a small necrotic subregion, inhomogeneous vascularization in the solid non-enhancing subregion, and edema-related tissue damage in the enhancing and edema subregions are linked to poor survival. The model’s C-Index was 0.66 (95% C.I. 0.54–0.80). External validation demonstrated good accuracy (AUC > 0.65) at all time points. Conclusions: Radiomics analysis, utilizing segmented perfusion and diffusion maps, provide predictive indicators of survival in IDH wild-type glioblastoma patients, revealing associations with microstructural and vascular heterogeneity in the tumor.
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) | 0,001 | 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 ».