Abstract 5781: Comparing prognostic association of manual vs. artificial intelligence derived quantifications from baseline computed tomography scans in MYSTIC, a global phase 3 trial for treatment of metastatic non-small cell lung cancer
Notice bibliographique
Résumé
Abstract Background: Sum of longest diameters (SLD) of target lesions per response evaluation criteria in solid tumors (RECIST) 1.1 is the standard measure of baseline (BL) disease burden, which plays an important prognostic role. Fully automated, artificial intelligence (AI) derived measures from BL computed tomography (CT) scans like imaging-based prognostication (IPRO) and lung volumetric tumor burden (VTB), generated by AI models trained on real-world imaging data, have shown promising association with overall survival (OS). Methods: BL CT scans acquired in MYSTIC (NCT02453282) were combined across trial arms and retrospectively analyzed. Patients with consent were included in this study. We compared the prognostic association of manually derived SLD with AI derived IPRO and lung VTB using concordance index (c-index), Kaplan-Meier methods, time-dependent area under the curve (TD-AUC), and standardized hazard ratios (HRs) from Cox proportional hazards models. Results: BL CT scans of 672 patients had available quantifications for comparative analysis. Median OS (mOS) was 12.2 months, 194 patients (29%) were female, 106 (16%) were non-smokers, 193 (29%) had squamous cell carcinoma and 201 (30%) had PD-L1 > 50%. SLD, IPRO, and lung VTB, yielded c-indexes of 0.56 (95% CI: 0.54-0.59), 0.61 (0.59-0.64), and 0.57 (0.54-0.60), respectively. Results are shown in Table 1. Conclusions: BL IPRO has greater association with OS than SLD, and VTB shows similar prognostic association as SLD. AI derived quantifications offer enhanced stratification and may provide an efficient way to analyze treatment effects. Citation Format: Harish RaviPrakash, Qin Li, Kedar Patwardhan, John Riskas, Shahid Haider, Oleksandra Samodorova, Jay Hennessy, Vignesh Sivan, Felix Baldauf-Lenschen, Omar Khan Comparing prognostic association of manual vs. artificial intelligence derived quantifications from baseline computed tomography scans in MYSTIC, a global phase 3 trial for treatment of metastatic non-small cell lung cancer [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2025; Part 1 (Regular Abstracts); 2025 Apr 25-30; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2025;85(8_Suppl_1):Abstract nr 5781.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».