A Comprehensive Review of Margin Identification Methods in Soft Tissue Sarcoma
Notice bibliographique
Résumé
Soft tissue sarcomas (STS) are rare and heterogeneous tumors for which achieving complete tumor resection with negative surgical margins remains the cornerstone of curative treatment and a key predictor of survival. Current intraoperative resection margin status assessment techniques remain limited, as traditional intraoperative frozen section analysis is of limited accuracy for most STS histological subtypes. This comprehensive review evaluates current and emerging margin assessment techniques used intra-operatively during STS resection. A systematic search of PubMed and PubMed Central databases from 2000 to 2025 identified studies using fluorescence imaging, spectroscopy, and ultrasound-based modalities. Indocyanine green (ICG) fluorescence-guided surgery appeared to be the closest to widespread use, with the most clinical evidence showing potential to reduce positive margins. Use of acridine orange (AO) as a fluorescent dye also showed potential in decreasing local recurrences, but it remains in the experimental stage of research with little clinical data available. Raman spectroscopy has recently shown high accuracy in identifying STS from healthy tissue, but the impact of its use on patient outcomes has not been studied yet. Other techniques, such as diffuse reflectance spectroscopy (DRS), rapid evaporative ionization mass spectrometry (REIMS), optical coherence tomography (OCT), and intraoperative ultrasound (IOUS) yielded encouraging results but still require further prospective studies to validate their safety, reproducibility, and clinical utility in improving surgical precision and patient outcomes.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».