In-Patient Repeatability and Sensitivity Study of Multi-Plane Super-Resolution Ultrasound in Breast Cancer
Notice bibliographique
Résumé
Abstract Purpose Super-resolution ultrasound (SRUS) is a promising imaging modality for detecting early microvascular changes after cancer treatment, offering advantages over tumour-size methods to evaluate response. For clinical application, it is crucial to assess repeatability of SRUS-derived biomarkers and their sensitivity to post-treatment changes. Experimental Design Clinical data were collected from breast cancer patients undergoing radiotherapy. 24 repeatability scans were conducted, and 11 participants underwent SRUS response assessment at 2-weeks and 6-months post-radiotherapy. Ultrafast CEUS acquisitions sampled four imaging planes of each tumour, generating 2D SRUS maps of microvascular structure and dynamics. SRUS-derived quantitative parameters were extracted, with repeatability assessed using the Repeatability Coefficient (RC). Changes in quantitative parameters were analysed post-radiotherapy, and the RC defined significant changes. SRUS-derived quantitative parameters were compared to histopathological CD31 staining of biopsy samples. Results The RCs of SRUS quantitative parameters improved when averaged over more imaging planes, indicating improved repeatability. Significant changes in SRUS quantitative parameters were observed at 2-weeks post-RT in 5/11 participants. In contrast, only 1/11 participants showed significant tumour size changes. By 2-weeks or 6-months post-RT, significant changes in SRUS quantitative parameter were detected in all participants, while significant changes in tumour size were observed in 6/11 participants. Among 10 participants with corresponding CD31 vessel counts, 7 showed a correlation between the direction of change in histopathological vessel count scores and SRUS vessel density. Conclusions This repeatability and response assessment study establishes multi-plane SRUS as a robust and sensitive tool for detecting early tumour microvascular changes in patients undergoing treatment. Funding CRUK Convergence Science Centre, Kortuc Inc., NHS, NIHR, ICiC, IAA.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».