Combination of FDG PET/CT radiomics and clinical parameters for outcome prediction in patients with non-Hodgkin’s lymphoma
Notice bibliographique
Résumé
PURPOSE: The purposes was to build model incorporating PET + computed tomography (CT) radiomics features from baseline PET/CT + clinical parameters to predict outcomes in patients with non-Hodgkin lymphomas. METHODS: Cohort of 138 patients with complete clinical parameters and follow up times of 25.3 months recorded. Textural analysis of PET and manual correlating contouring in CT images analyzed using LIFE X software. Defined outcomes were overall survival (OS), disease free-survival, radiotherapy, and unfavorable response (defined as disease progression) assessed by end of therapy PET/CT or contrast CT. Univariable and multivariable analysis performed to assess association between PET, CT, and clinical. RESULTS: Male ( P = 0.030), abnormal lymphocytes ( P = 0.030), lower value of PET entropy ( P = 0.030), higher value of SHAPE sphericity ( P = 0.002) were significantly associated with worse OS. Advanced stage (III or IV, P = 0.013), abnormal lymphocytes ( P = 0.032), higher value of CT gray-level run length matrix (GLRLM) LRLGE mean ( P = 0.010), higher value of PET gray-level co-occurrence matrix energy angular second moment ( P < 0.001), and neighborhood gray-level different matrix (NGLDM) busyness mean ( P < 0.001) were significant predictors of shorter DFS. Abnormal lymphocyte ( P = 0.033), lower value of CT NGLDM coarseness ( P = 0.082), and higher value of PET GLRLM gray-level nonuniformity zone mean ( P = 0.040) were significant predictors of unfavorable response to chemotherapy. Area under the curve for the three models (clinical alone, clinical + PET parameters, and clinical + PET + CT parameters) were 0.626, 0.716, and 0.759, respectively.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 tête enseignante, 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 ».