Role of Radiomics to Predict Disease Recurrence in Sinonasal Squamous Cell Carcinoma: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
INTRODUCTION: Radiomics offers the potential to predict oncological outcomes from pre-operative imaging, aiding in the identification of 'high risk' patients with sinonasal cancer who are at an increased risk of recurrence. This study aims to comprehensively review the current literature on the role of radiomics as a predictor of disease recurrence in sinonasal squamous cell carcinoma. METHODS: A systematic search was conducted in Medline, EMBASE and Web of Science databases. Retrospective and prospective studies examining the use of radiomics to predict post-operative recurrence in sinonasal cancer that met the inclusion criteria were included. Study quality was assessed using the QUADAS-2 and Radiomics Quality Score (RQS) tools. RESULTS: Five studies met the inclusion criteria, encompassing 638 participants. All studies were single-centre and utilised MRI-based radiomics in the construction of their models. Radiomic models demonstrated excellent predictive performance. The median AUC, sensitivity and specificity were 0.947, 0.86 and 0.923 in the training set, and 0.914, 0.833 and 0.878 in the validation set. A pooled meta-analysis estimated the combined AUC across training sets as 0.931 (95% CI, 0.898-0.963) and 0.922 (95% CI, 0.880-0.964) for validation sets. CONCLUSION: Our systematic review provides evidence supporting the role of radiomics in predicting post-operative disease recurrence in sinonasal cancer. Radiomics shows promise in enhancing personalised treatment strategies by improving prognostic accuracy. However, further research is needed to standardise methodologies and validate these findings in larger, multicentre cohorts.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,022 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 ».