MétaCan
Menu
Retour à la cohorte
Enregistrement W4403438489 · doi:10.1093/neuonc/noae158.084

USING CCA-MRI TO PREDICT RESPONSE TO STEREOTACTIC RADIOSURGERY IN PATIENTS WITH BRAIN METASTASES

2024· article· en· W4403438489 sur OpenAlexaff
James de Boisanger, Michael A. Henderson, Minjie Guo, Dr Matthew Blackledge, Martin Brewer, Dr Francesca Solda, Antonia Creak, Daniel Welsh, Dr Nicola Rosenfelder

Notice bibliographique

RevueNeuro-Oncology · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueBrain Tumor Detection and Classification
Établissements canadiensInstitute of Cancer ResearchRoyal Ottawa Mental Health Centre
Organismes subventionnairesnon disponible
Mots-clésRadiosurgeryMedicineStereotactic radiotherapyMedical physicsRadiologyNuclear medicineRadiation therapy

Résumé

récupéré en direct d'OpenAlex

Abstract AIMS Brain metastases (BMs) from different primary cancers may have different radiosensitivity, for example melanoma and renal cell cancers are considered more radioresistant. Radiosensitivity is determined by the intrinsic radiobiological properties of tumours, which include vascularisation and oxygenation. Contrast Clearance Analysis (CCA)-MRI measures delayed contrast behaviour to offer a window into tumour vascularity. The CCA colour map shows areas of contrast accumulation (red), suggesting vascular damage, and rapid contrast clearance (blue), suggesting intact and increased vasculature. We aim to interrogate CCA-MRIs pre-stereotactic radiosurgery (SRS) for differences in contrast handling between BMs from different primaries. METHOD 10 patients, with 70 BMs, were included in the study. All had CCA-MRIs pre-SRS as part of their planning-MRIs. Radiotherapy-planning-CT scans were fused with the planning-post-contrast-T1-MRI, with consultant clinical oncologist-approved contoured targets, and the CCA-images. Threshold analysis was performed to obtain proportions of red and blue within the enhancing areas of each tumour. RESULTS There was a significant difference in the proportion of blue between BMs from different primaries (p=0.0294). In pairwise-comparisons, only the difference between lung and renal was significant (mean difference 37.65%, p=0.0390). The difference between the proportion of red was also significant overall (p=0.0084) (Figure 2). In pairwise comparisons, renal was significantly different from lung, breast and melanoma (mean difference 12.65%, p=0.0161; mean difference 12.97%, p=0.0154; and mean difference 11.29%, p=0.0169, respectively). CONCLUSION This study offers a novel insight into the vascularity of BMs from different primaries. Further research to explore if these findings can explain differential SRS outcomes is underway.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,799
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,317
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetBrain Tumor Detection and ClassificationTravaux en français237 207