Gastro-Esophageal Cancer: Can Radiomic Parameters from Baseline 18F-FDG-PET/CT Predict the Development of Distant Metastatic Disease?
Notice bibliographique
Résumé
We aimed to determine if clinical parameters and radiomics combined with sarcopenia status derived from baseline 18F-FDG-PET/CT could predict developing metastatic disease and overall survival (OS) in gastroesophageal cancer (GEC). Patients referred for primary staging who underwent 18F-FDG-PET/CT from 2008 to 2019 were evaluated retrospectively. Overall, 243 GEC patients (mean age = 64) were enrolled. Clinical, histopathology, and sarcopenia data were obtained, and primary tumor radiomics features were extracted. For classification (early-stage vs. advanced disease), the association of the studied parameters was evaluated. Various clinical and radiomics models were developed and assessed. Accuracy and area under the curve (AUC) were calculated. For OS prediction, univariable and multivariable Cox analyses were performed. The best model included PET/CT radiomics features, clinical data, and sarcopenia score (accuracy = 80%; AUC = 88%). For OS prediction, various clinical, CT, and PET features entered the multivariable analysis. Three clinical factors (advanced disease, age ≥ 70 and ECOG ≥ 2), along with one CT-derived and one PET-derived radiomics feature, retained their significance. Overall, 18F-FDG PET/CT radiomics seems to have a potential added value in identifying GEC patients with advanced disease and may enhance the performance of baseline clinical parameters. These features may also have a prognostic value for OS, improving the decision-making for GEC patients.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».