Integrative Radio-Genomic Analysis of Lung Adenocarcinoma: Linking Imaging Features and Gene Expression Profiles for Tumor Classification
Notice bibliographique
Résumé
Lung adenocarcinoma (LUAD) diagnosis has traditionally been supported by both pathological imaging and molecular profiling; however, direct comparisons of these modalities for disease characterization remain limited. In this study, an iterative radiogenomic pipeline was implemented to investigate the correspondence between imaging-derived features and transcriptomic activity. Radiomic features were extracted from pathological images, while transcriptomic profiles were obtained from RNA sequencing (RNA-seq) data. Both modalities were analyzed independently to assess their ability to classify LUAD cases as early stage (Stage I) or advanced stage. Classification based on radiomic features alone achieved an accuracy of 85%, whereas RNA-seq data provided 100% accuracy.Feature selection was performed separately for each dataset, yielding highly discriminative radiomic features and significantly altered genes associated with LUAD staging. Correlation analysis was subsequently undertaken to explore cross-modality associations. Strong relationships were observed between specific imaging features and gene expression profiles, enabling the identification of genes most strongly linked to radiomic traits. These results suggest that radiomic signatures may, in some contexts, act as surrogates for transcriptomic activity, thereby reflecting underlying molecular mechanisms.The emphasis of this work was not placed on integrating imaging and molecular data to maximize classification accuracy, but rather on uncovering biological links between tumor morphology and gene expression. This correlation-driven framework demonstrates that molecular information may eventually be inferred from imaging alone, providing a cost-effective alternative to RNA-seq–based profiling. The findings highlight the potential of radiogenomic correlations to reveal biomarkers, support LUAD staging, and inform precision oncology strategies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».