Artificial intelligence for predicting transformation of monoclonal gammopathy of undetermined significance to multiple myeloma: A systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Objectives The purpose of this study was to assess the empirical evidence of the efficacy of AI in predicting the transformation of Monoclonal Gammopathy of Undetermined Significance (MGUS) to Multiple Myeloma (MM). Methods A comprehensive and systematic electronic database search was performed in Scopus, PubMed, Cochrane Library, ScienceDirect, and Google Scholar. Modified PICOS criteria were used to screen and select the eligible studies from the potential articles retrieved from the database search. Studies were considered if they included patients with MGUS whose progression was monitored using AI approaches. The selected studies were assessed for risk of bias using the Newcastle-Ottawa Scale (NOS). Data was then procedurally extracted and analyzed. Results The study selection process identified nine studies, including 42,853 patients. Ensemble methods (ElasticNet, GBM, Random Forest) consistently outperformed traditional risk stratification systems, with AI models achieving C-statistics of 0.692-0.879 compared to 0.533-0.670 for conventional IMWG/2-20-20 criteria. The meta-analysis demonstrated the favourable predictive performance of AI models for predicting MGUS to MM Transformation, with a pooled AUC of 0.824 (95% CI: 0.785-0.858, p< 0.001). The multi- modal integration of clinical parameters, genomic profiles, and cytogenetic markers enhanced the discriminative capacity. Conclusion AI models demonstrated high prediction accuracy for the transformation of MGUS to MM. In addition, various AI models integrate multimodal biological data, transforming complex genomic, cytogenetic, and clinical information into actionable risk assessments influencing surveillance intensity and intervention timing. KEYWORDS Artificial Intelligence; Monoclonal Gammopathy of Undetermined Significance; Multiple Myeloma.
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 | 0,018 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,031 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».