Longitudinal computed tomography-based delta-radiomics of visceral adipose tissue predicts infliximab secondary loss of response in Crohn’s disease patients
Notice bibliographique
Résumé
BACKGROUND Visceral adipose tissue (VAT) plays a role in the pathogenesis of Crohn's disease (CD) and is associated with treatment outcomes following infliximab (IFX) therapy. We developed and validated the first delta-radiomics model to quantify VAT heterogeneity as a predictive biomarker for IFX response in patients with CD. AIM To develop a longitudinal computed tomography (CT)-based delta-radiomics model of VAT for predicting secondary loss of response (SLR) in patients with CD. METHODS This retrospective study included 161 patients with CD who achieved clinical remission following IFX induction therapy between 2015 and 2023. All patients underwent CT enterography before IFX initiation and after completing induction therapy. VAT volume was delineated by two radiologists in consensus. Radiomics features were extracted from pre-treatment and post-induction CT images, and delta-radiomics features were calculated as follows: Delta features = Feature-post - Feature-pre. A radiomics model was constructed using logistic regression. Model performance was assessed using discrimination, calibration, and decision curve analyses. RESULTS Nine significant delta-radiomics features were used to develop the delta-radiomics model, yielding an area under the receiver operating characteristic curve (AUC) of 0.816 (95%CI: 0.737-0.896) in the training cohort and 0.750 (95%CI: 0.605-0.895) in the validation cohort. Multivariable logistic regression identified platelet count, Montreal behavior classification, and the VAT/subcutaneous adipose tissue volume ratio prior to treatment as independent risk factors for SLR. The combined model integrating clinical predictors and delta-radiomics features achieved superior predictive performance, with an AUC of 0.853 (95%CI: 0.786-0.921) in the training cohort and 0.812 (95%CI: 0.677-0.948) in the validation cohort. CONCLUSION We developed a predictive model based on longitudinal changes in VAT, demonstrating significant potential for identifying patients with CD at high risk of SLR to IFX therapy.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».