Value of Dynamic Contrast-Enhanced MRI for Grade Group Prediction in Prostate Cancer: A Radiomics Pilot Study
Notice bibliographique
Résumé
RATIONALE AND OBJECTIVES: To determine the role of dynamic contrast-enhanced (DCE) MRI-radiomics in predicting the International Society of Urological Pathology Grade Group (ISUP-GG) in therapy-naïve prostate cancer (PCa) patients. MATERIALS AND METHODS: In this ethics review board-approved retrospective study on two prospective clinical trials between 2017 and 2020, 73 men with suspected/confirmed PCa were included. All participants underwent multiparametric MRI. On MRI, dominant lesions (per PI-RADS) were identified. DCE-MRI radiomic features were extracted from the segmented volumes following the image biomarker standardisation initiative (IBSI) guidelines through 14 time points. Histopathology evaluation on the cognitive-fusion targeted biopsies was set as the reference standard. Univariate regression was done to evaluate potential predictors across all calculated features. Random forest imputation was used for multivariate modelling. RESULTS: 73 index lesions were reviewed. Histopathology revealed 28, 16, 13 and 16 lesions with ISUP-GG-Negative/1/2, ISUP-GG-3, ISUP-GG-4 and ISUP-GG-5, respectively. From the extracted features, total lesion enhancement (TLE), minimum enhancement intensity and Grey-Level Run Length Matrix (GLRLM) were the most significantly different parameters among ISUP-GGs (Neg/1/2 vs 3/4 vs 5). 16 features with significant cross-sectional associations with ISUP-GGs entered the multivariate analysis. The final DCE partitioning model used only four features (lesion sphericity, TLE, GLRLM and Grey-Level Zone Length Matrix). For the binarized diagnosis (ISUP-GG≤2 vs ISUP-GG>2), the accuracy reached 81%. CONCLUSION: DCE-MRI radiomics might be used as a non-invasive tool for aiding pathological grade group prediction in therapy-naïve PCa patients, potentially adding complementary information to PI-RADS for supporting tailored diagnostic pathways and treatment planning.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».