Independent Validation of a Machine Learning Classifier for Predicting Mediastinal Lymph Node Metastases in Non-Small Cell Lung Cancer Using Routinely Obtainable [18F]FDG-PET/CT Parameters
Notice bibliographique
Résumé
In non-small cell lung cancer (NSCLC), [18F]FDG-PET/CT is limited in pretherapeutic lymph node (LN) staging by false-positives. We previously demonstrated that a machine learning (ML) classifier using routine [18F]FDG-PET/CT and clinical variables can improve diagnostic accuracy compared to visual assessment. The present study aimed at independent validation. Cohort 1 (Charité) included 87 NSCLC patients (surgical and non-surgical), prospectively enrolled at our institution. Cohort 2 (TCIA) comprised 124 patients with primary surgery from the multi-institution NSCLC Radiogenomics dataset. Our ML classifier for differentiating N0/1 vs. N2/3 status was applied without modification. As comparator, the combined standard PET/CT criterion of “mediastinal LN uptake > mediastinum and/or short-axis > 10 mm” was used. Histology of N2/3 LNs served as reference standard. Prevalence of pN2/3 differed significantly between cohorts (Charité: 40%, TCIA: 12%; p < 0.001). Specificity was similar between ML and the standard PET/CT criterion in the Charité cohort (65% vs. 60%; p = 0.5) but significantly higher with ML in TCIA (90% vs. 70%; p < 0.001). Sensitivity for pN2/3 was comparable between the two comparators in both the Charité cohort (97% each; p = 1.0) and TCIA (27% vs. 33%; p = 1.0). Lower sensitivity in TCIA patients reflects the preselection of surgical patients who had already been clinically staged and deemed suitable for surgery. The diagnostic performance of the ML classifier and its (potentially) superior specificity were thus successfully validated in two independent 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 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 | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».