Signals in the Spread: Quantitative Imaging and Tumor Heterogeneity in Metastatic Cancer
Notice bibliographique
Résumé
Radiomics is an emerging field that transforms standard medical imaging into quantitative data, offering the potential to non-invasively characterize tumor biology and predict clinical outcomes. However, most radiomic studies adhere to a “one patient, one lesion” paradigm, which overlooks the biological and spatial heterogeneity that defines multi-metastatic disease. This thesis proposes a new framework for radiomic analysis that explicitly embraces lesion-level variability to improve patient assessment in advanced cancers. The work begins with a systematic benchmarking of ten multi-lesion feature aggregation strategies across three datasets representing regional, organ-confined, and widespread metastatic disease. Results demonstrate that no single method performs optimally across all contexts, underscoring the need for task-specific modeling approaches. Building on this, a novel imaging-derived metric—Measured Intrapatient Radiomic Variability (MIRV)—is introduced to quantify intertumor heterogeneity. In a cohort of soft-tissue sarcoma patients, MIRV was associated with volumetric response variability, ctDNA positivity, and survival outcomes, suggesting its potential as a non-invasive biomarker of treatment heterogeneity. The thesis then shifts toward predictive modeling, developing lesion-specific classifiers to forecast treatment response at the level of individual pulmonary metastases. Using radiomic features from leiomyosarcoma patients, these models outperformed volume-based predictors and revealed the peritumoral region as a key source of biological signal. In a secondary analysis, the same modeling framework was repurposed to explore radiomic signatures associated with tumor hypoxia. By leveraging the design of the SARC021 trial and validating against an independent dataset, preliminary evidence is presented suggesting that radiomics may capture microenvironmental features relevant to hypoxia-driven treatment response. Collectively, these studies contribute new tools, biomarkers, and modeling strategies that reposition radiomics as a system-level approach capable of capturing the spatial and biological complexity of multi-metastatic disease. The findings support a more nuanced, lesion-informed vision for precision oncology and offer a foundation for both clinical application and biological discovery.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,001 | 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 ».