MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410802702 · doi:10.1200/jco.2025.43.16_suppl.e13155

Association of MRI biomarkers on survival in TNBC patients: A retrospective, multi-center cohort study.

2025· article· en· W4410802702 sur OpenAlexaffabout
Nima Toussi, Ambika Chandrasekhar, Prosanta Mondal, Madhumita Manna

Notice bibliographique

RevueJournal of Clinical Oncology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMedicineRetrospective cohort studyCohortOncologyCenter (category theory)Internal medicine

Résumé

récupéré en direct d'OpenAlex

e13155 Background: Triple-negative breast cancer (TNBC) is an aggressive subtype associated with heterogenous radiological and histopathological findings. Emerging MRI-based biomarkers—such as peritumoral edema and rim enhancement—may better predict disease progression and recurrence. However, multi-center evidence remains limited, warranting further investigation. Methods: In this retrospective study, women diagnosed with triple-negative breast cancer (TNBC) in the Canadian province of Saskatchewan from 2017 to 2021 were identified. Radiologist MRI reports were independently evaluated and coded to document the presence of peritumoral edema and rim enhancement. Multifactorial data on patient demographics, treatment, and staging were also collected. The relationship between these MRI features and overall survival was analyzed by a non-parametric survival analysis and Cox regression analyses. Chi-squared tests were conducted to evaluate differences in key clinical and pathological outcomes among patients with or without peritumoral edema and rim enhancement. Results: 380 patients with TNBC were included in the study, of which 174 received a breast MRI within 6 months of their diagnosis. Of these patients, 38 (10.0%) had peritumoral edema pre-systemic therapy, and 44 (11.5%) had rim enhancement pre-systemic therapy. The median overall survival for those with peritumoral edema was 1.88 years (95% CI, 1.29 - 6.15) and 2.47 years (95% CI, 1.35 – 6.15) for those with rim enhancement, as compared to 5.10 years (95% CI, 4.30-6.79) for the entire study population. Multivariate analysis demonstrated that peritumoral edema (p = 0.36, HR [95% CI] = 1.53 [0.61 –3.81] and rim enhancement (p = 0.21, HR [95% CI] = 1.81 [0.71 – 4.63] were not significant predictors of overall survival. Those with peritumoral edema were more likely to undergo first-line dose reduction in systemic therapy (p = 0.01, OR [95% CI] = 2.96 [1.25 –7.04]), though this finding was not significant for those with rim enhancement (p = 0.12, OR [95% CI] = 2.08 [0.83 –5.23]). Amongst patients with post-resection pathology post-neoadjuvant systemic therapy, those with rim enhancement and/or peritumoral edema exhibited a greater rate of residual disease versus complete pathological response, though this result was statistically non-significant (p = 0.12, OR [95% CI] = 2.13 [0.83 –5.43]). Similar results were observed with tumor necrosis on post-resection pathology post-neoadjuvant chemotherapy (p = 0.23, OR [95% CI] = 2.03 [0.65 –6.38]). Conclusions: The presence of peritumoral edema and rim enhancement were associated with poor survival outcomes in TNBC. However, these findings are not definitively extended to treatment response, treatment course and pathological outcomes. Larger datasets are required to better elucidate a possible connection between MRI-biomarkers and post-treatment pathology and prognosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,446
Écart entre enseignants0,412 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→