Volumetric analysis of plexiform neurofibroma for patients treated with trametinib
Notice bibliographique
Résumé
Des recherches récentes suggèrent que le trametinib (inhibiteur de MEK) peut traiter les neurofibrome plexiforme (NP) provoquées par la neurofibromatose de type 1 (NF1). Les NP peuvent apparaître n'importe où dans le corps près des nerfs. Ces tumeurs se distinguent par leur forme inhabituelle et leur morphologie irrégulière qui les rendent difficile à mesurer. Pour évaluer l'efficacité du trametinib dans le traitement des NP, nous suggérons une analyse volumétrique (mesure 3D) plutôt que des mesures 1D et 2D (habituelles) basées sur l'imagerie par résonance magnétique (IRM). Pour cette étude, des examens IRM ont été réalisés à des intervalles d'environ trois mois pour trente-quatre patients atteints de NP. J’ai développé une méthode semi-automatique pour segmenter les PN sur les images IRM. J’ai testé et validé notre nouvelle approche et soumis un manuscrit incluant la description de la nouvelle méthodologie et les résultats de segmentation pour publication dans l'American Journal of Neuroradiology (AJNR). J’ai mis en place un outil pratique pour estimer avec précision le volume tumoral en utilisant cette méthode de segmentation. En conséquence, le suivi des changements tout au long du traitement devient possible et fiable. L'analyse volumétrique réalisée chez 34 participants recrutés durant l’essai clinique révèle que le trametinib a entrainer une diminution du volume médian de la lésion initiale d'environ 20 % pour la période de 18 mois de traitement.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».