Feasibility of a Novel 3D Ultrasound Imaging Technique for Intraoperative Margin Assessment during Tongue Cancer Surgery
Notice bibliographique
Résumé
Squamous cell carcinoma (SCC) of the tongue is the most prevalent form of oral cavity cancer, with surgical intervention as the preferred method of treatment. Achieving negative or free resection margins of at least 5 mm is associated with improved local control and prolonged survival. Nonetheless, margins that are close (1–5 mm) or positive (less than 1 mm) are often observed in practice, especially for the deep margins. Ultrasound is a promising tool for assessing the depth of invasion, providing non-invasive, real-time imaging for accurate evaluation. We conducted a clinical trial using a novel portable 3D ultrasound imaging technique to assess ex vivo surgical margin assessment in the operating room. During the operation, resected surgical specimens underwent 3D ultrasound scanning. Four head and neck surgeons measured the surgical margins (deep, medial, and lateral) and tumor area on the 3D ultrasound volume. These results were then compared with the histopathology findings evaluated by two head and neck pathologists. Six patients diagnosed with tongue SCC (three T1 stage and three T2 stage) were enrolled for a consecutive cohort. The margin status was correctly categorized as free by 3D ultrasound in five cases, and one case with a “free” margin status was incorrectly categorized by 3D ultrasound as a “close” margin. The Pearson correlation between ultrasound and histopathology was 0.7 (p < 0.001), 0.6 (p < 0.001), and 0.3 (p < 0.05) for deep, medial, and lateral margin measurements, respectively. Bland–Altman analysis compared the mean difference and 95% limits of agreement (LOA) for deep margin measurement by 3D ultrasound and histopathology, with a mean difference of 0.7 mm (SD 1.15 mm). This clinical trial found that 3D ultrasound is accurate in deep margin measurements. The implementation of intraoperative 3D ultrasound imaging of surgical specimens may improve the number of free margins after tongue cancer treatment.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».