Measured intrapatient radiomic variability as a predictor of treatment response in multi-metastatic soft tissue sarcoma patients
Notice bibliographique
Résumé
Radiomics offers a non-invasive approach to tumor characterization, yet its application in metastatic cancers is limited by intertumor heterogeneity—variability in radiomic phenotypes across lesions within the same patient. We introduce Measured Intrapatient Radiomic Variability (MIRV), a novel metric quantifying heterogeneity using standard-of-care imaging. Applied to 397 metastatic soft-tissue sarcoma (STS) patients from the SARC021 trial, MIRV was calculated from pretreatment CT scans using pairwise Euclidean distance and cosine dissimilarity between lesions. Euclidean distance captures absolute differences in radiomic features, while cosine dissimilarity assesses variation in feature patterns independent of magnitude. Higher MIRV correlated with greater variability in tumor-specific response classification (TSRC) and volumetric response, independent of baseline tumor volume. In a subset with liquid biopsy data, MIRV showed a moderate association with ctDNA positivity, suggesting links to molecular heterogeneity. While MIRV was not prognostic for overall survival (OS) in the full cohort, higher MIRV was significantly associated with worse survival in leiomyosarcoma patients (n=165, p=0.007). These findings establish MIRV as a biomarker for intertumor heterogeneity, with potential to predict mixed treatment responses and guide personalized therapy in metastatic STS. Future studies should assess its relevance across other tumor types and therapeutic settings.
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 | 0,003 |
| 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) | 0,002 | 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 ».