<b>FIVE-YEAR MULTICENTER PROSPECTIVE COHORT STUDY INTEGRATING SALIVARY BIOMARKERS AND ARTIFICIAL INTELLIGENCE FOR EARLY DETECTION AND PROGNOSTIC STRATIFICATION OF ORAL SQUAMOUS CELL CARCINOMA IN PAKISTAN</b>
Notice bibliographique
Résumé
Background: Oral squamous cell carcinoma (OSCC) poses a significant health burden due to delayed diagnosis. Salivary IL-8, miRNA-21, and EGFR are promising non-invasive biomarkers for tumor detection. Integration with artificial intelligence (AI) may optimize early diagnosis and prognostic assessment. Methods: This five-year multicenter prospective cohort study (2020–2025) included 480 participants (240 biopsy-confirmed OSCC cases and 240 controls) recruited from tertiary public and accredited private centers across Pakistan. Salivary IL-8 and EGFR were quantified using ELISA, while miRNA-21 was measured via qRT-PCR. Logistic regression and random forest models were developed with 5-fold cross-validation. OSCC patients were followed for five years to assess recurrence and overall survival. Diagnostic accuracy was evaluated using ROC curve analysis, and prognostic associations were assessed using Cox proportional hazards regression and Kaplan–Meier survival analysis. Results: All biomarkers were significantly elevated in OSCC patients compared to controls (p<0.001). The AI-integrated model demonstrated an AUC of 0.96, sensitivity of 93%, and specificity of 91%. Elevated composite biomarker risk scores were independently associated with reduced overall survival (HR=2.4; 95% CI: 1.6–3.8; p<0.001). Kaplan–Meier analysis showed significantly lower five-year survival in high-risk patients (log-rank p<0.001).Conclusion: AI-integrated salivary biomarkers demonstrate strong diagnostic accuracy and independent prognostic value in OSCC, supporting development of a scalable non-invasive screening model for low-resource 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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Charge utile insuffisante (le modèle a refusé de juger) Domaine: non disponible · Genre: Autre Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».