Tumour nuclear size heterogeneity as a biomarker for post-radiotherapy outcomes in gynecological malignancies
Notice bibliographique
Résumé
Background and Purpose: Radiotherapy targets DNA in cancer cell nuclei. Radiation dose, however, is prescribed to a macroscopic target volume assuming uniform distribution, failing to consider microscopic variations in dose absorbed by individual nuclei. This study investigated a potential link between pre-treatment tumour nuclear size distributions and post-radiotherapy outcomes in gynecological squamous cell carcinoma (SCC). Materials and Methods: Our multi-institutional cohort consisted of 191 non-metastatic gynecological SCC patients who had received radiotherapy with diagnostic whole slide images (WSIs) available. Tumour nuclear size distribution mean and standard deviation were extracted from WSIs using deep learning, and used to predict progression-free interval (PFI) and overall survival (OS) in multivariate Cox proportional hazards (CoxPH) analysis adjusted for age and clinical stage. Results: Multivariate CoxPH analysis revealed that a larger nuclear size distribution mean results in more favorable outcomes for PFI (HR = 0.45, 95% CI: 0.19 - 1.09, p = 0.084) and OS (HR = 0.55, 95% CI: 0.24 - 1.25, p = 0.16), and that a larger nuclear size standard deviation results in less favorable outcomes for PFI (HR = 7.52, 95% CI: 1.43 - 39.52, p = 0.023) and OS (HR = 4.67, 95% CI: 0.96 - 22.57, p = 0.063). The bootstrap-validated C-statistic was 0.56 for PFI and 0.57 for OS. Conclusion: Despite low accuracy, tumour nuclear size heterogeneity aided prognostication over standard clinical variables and was associated with outcomes following radiotherapy in gynecological SCC. This highlights the potential importance of personalized multiscale dosimetry and warrants further large-scale pan-cancer studies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».