Identifying the optimal time point for adaptive re-planning in prostate cancer radiotherapy to minimise rectal toxicity using normal tissue imaging biomarkers
Notice bibliographique
Résumé
Background and purpose: Adaptive radiotherapy (ART) in prostate cancer (PCa), although not yet standard practice, is typically triggered by inter-fractional anatomical changes that emerge progressively during treatment. This study investigates whether radiomics extracted before and during treatment can identify the optimal time point for re-planning, with the goal of reducing late rectal bleeding. Materials and methods: This study included 187 PCa patients from the single-centre, prospectively collected VoxTox dataset (UK-CRN-ID-13716), treated with image-guided radiotherapy using TomoTherapy and daily MVCT. Patients received either 74 Gy in 37 fractions (N = 110) or 60 Gy in 20 fractions (N = 77). Radiomic features were extracted from pre-treatment planning CTs and daily MVCTs. Grade ≥ 1 rectal bleeding was assessed at 2 years post-treatment using CTCAE v4.03. Two analysis strategies were employed: a separate analysis, where weekly features were evaluated independently; and a cumulative analysis, which progressively incorporated features from previous weeks. Logistic regression models with elastic net penalty were trained and evaluated using AUC. Results: In both groups, week 1 provided the highest standalone predictive performance (test AUC = 0.766 for 74 Gy; 0.734 for 60 Gy). In the cumulative analysis, week 3 was optimal for the 74 Gy group (test AUC = 0.767), balancing performance and timing. For the 60 Gy group, week 1 remained optimal but suffered from reduced generalisability (test AUC = 0.643). Conclusions: Radiomic analysis of daily imaging can support early, proactive ART in PCa, offering a personalised strategy to reduce late rectal bleeding beyond conventional anatomy-based approaches.
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 ».