Multiparametric MRI radiomics for predicting disease-free survival and high-risk histopathological features for tumor recurrence in endometrial cancer
Notice bibliographique
Résumé
Background: Current preoperative imaging is insufficient to predict survival and tumor recurrence in endometrial cancer (EC), necessitating invasive procedures for risk stratification. Purpose: To establish a multiparametric MRI radiomics model for predicting disease-free survival (DFS) and high-risk histopathologic features in EC. Methods: This retrospective study included 71 patients with histopathology-proven EC and preoperative MRI over a 10-year period. Clinicopathology data were extracted from health records. Manual MRI segmentation was performed on T2-weighted (T2W), apparent diffusion coefficient (ADC) maps and dynamic contrast-enhanced T1-weighted images (DCE T1WI). Radiomic feature (RF) extraction was performed with PyRadiomics. Associations between RF and histopathologic features were assessed using logistic regression. Associations between DFS and RF or clinicopathologic features were assessed using the Cox proportional hazards model. All RF with univariate analysis p-value < 0.2 were included in elastic net analysis to build radiomic signatures. Results: The 3-year DFS rate was 68% (95% CI = 57%-80%). There were no significant clinicopathologic predictors for DFS, whilst the radiomics signature was a strong predictor of DFS (p<0.001, HR 3.62, 95% CI 1.94, 6.75). From 107 RF extracted, significant predictive elastic net radiomic signatures were established for deep myometrial invasion (p=0.0097, OR 4.81, 95% CI 1.46, 15.79), hysterectomy grade (p=0.002, OR 5.12, 95% CI 1.82, 14.45), hysterectomy histology (p=0.0061, OR 18.25, 95% CI 2.29,145.24) and lymphovascular space invasion (p<0.001, OR 5.45, 95% CI 2.07, 14.36). Conclusion: approach to predicting DFS and high-risk histopathologic features in EC.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».