Radiomic Features as Artificial Intelligence Prognostic Models in Glioblastoma: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Glioblastoma, the predominant primary tumor among all central nervous systems, accounts for around 80% of cases. Prognosis in neuro-oncology involves assessing the disease's progression in different individuals, considering the time between the initial pathological diagnosis and the time until the disease worsens. A noninvasive therapeutic approach called radiomic features (RFs), which involves the application of artificial intelligence in MRI, has been developed to address this issue. This study aims to systematically gather evidence and evaluate the prognosis significance of radiomics in glioblastoma using RFs. METHODS: We conducted an extensive search across the PubMed, ScienceDirect, EMBASE, Web of Science, and Cochrane databases to identify relevant original studies examining the use of RFs to evaluate the prognosis of patients with glioblastoma. This thorough search was completed on 25 July 2024. Our search terms included glioblastoma, MRI, magnetic resonance imaging, radiomics, and survival or prognosis. We included only English-language studies involving human subjects, excluding case reports, case series, and review studies. The studies were classified into two quality categories: those rated 4-6 were considered moderate-, whereas those rated 7-9 were high-quality using the Newcastle-Ottawa Scale (NOS). Hazard ratios (HRs) and their 95% confidence intervals (CIs) for OS and PFS were combined using random effects models. RESULTS: In total, 253 studies were found in the initial search across the five databases. After screening the articles, 40 were excluded due to not meeting the eligibility criteria, and we included only 14 studies. All twelve OS and eight PFS trials were considered, involving 1.639 and 747 patients, respectively. The random effects model was used to calculate the pooled HRs for OS and PFS. The HR for OS was 3.59 (95% confidence interval [CI], 1.80-7.17), while the HR for PFS was 4.20 (95% CI, 1.02-17.32). CONCLUSIONS: An RF-AI-based approach offers prognostic significance for OS and PFS in patients with glioblastoma.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».