Radiomics As Biomarkers for the Treatment of Non-small Cell Lung Cancer With Stereotactic Body Radiation Therapy: A Review of Concepts
Notice bibliographique
Résumé
Stereotactic body radiation therapy (SBRT) is currently the alternative for inoperable early-stage and oligometastatic non-small cell lung cancer (NSCLC) patients. While most patients are good responders among this specific group, some patients do not experience the benefits of this treatment. Even though physicians use clinical variables and semantic radiological features to make treatment decisions, medical images contain a wealth of personalized pathophysiological information that can be extracted and used for clinical decision support systems. In the form of radiomics features, details unique to each patient's medical scans can be utilized to create predictive models and to identify biomarking signatures. Then, these tools and indices can predict treatment outcomes and categorize patients to the most optimal treatment regimen. A conceptual review of relevant topics centered around the identification and development of radiomic-based biomarkers for SBRT-treated NSCLC was conducted. To begin with, an overview of the nature and management of non-small cell lung cancer was provided. To continue, biomarkers were defined in the context of cancer care. Then, the uses of stereotactic body radiation therapy in the treatment of NSCLC were further explained. Finally, the study of radiomics was discussed, and the uses and limitations of radiomic features and ML for SBRT-treated NSCLC were expanded upon. Radiomics-based biomarkers and predictive algorithmic models can potentially improve the SBRT treatment of early-stage and oligometastatic NSCLC by providing personalized support systems to healthcare professionals. While many institutions are attempting to optimize their biomarkers and AI-based tools for clinical use, additional prospective studies are needed to properly ensure their efficacy. As such, the improvements made in the field of personalized medicine are promising.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».