Radiomics in psoriatic arthritis and breast cancer: Assessing disease burden and predicting survival through MR image analysis
Bibliographic record
Abstract
Sammendrag\nRadiomics i psoriasisartritt og brystkreft: Vurdering av sykdom og prediksjon av overlevelse gjennom MR-bildeanalyser\nPsoriasisartritt er en kronisk inflammatorisk leddsykdom som utvikler seg hos pasienter med hudpsoriasis. Sykdommen innebærer betennelse i ett eller flere ledd og er heterogen med ulike kliniske mønstre. Behandling rettes mot betennelsene og avhenger av sykdommens aggressivitet. Tidlig diagnose og målrettet behandling er viktig for å forhindre progressiv leddskade, deformormasjoner og funksjonshemming som oppstår ved vedvarende betennelse. Brystkreft er den vanligste kreftformen hos kvinner i Norge. Mens kvinner diagnostisert med brystkreft i et tidlig stadium har høy overlevelsesrate, innebærer diagnosen avansert brystkreft en dårligere prognose. Tidlig prognostisk informasjon kan ha betydning for valg av behandling og veilede oppfølging etter behandling.\nMagnetisk resonans (MR) avbildning kan bistå i diagnose av psoriasisartritt, og brukes t rutinemessig for å vurdere behandlingsrespons i brystkreft. Bildene vurderes kvalitativt ved visuell inspeksjon. Radiologisk tolkning av bilder krever lang trening, er tidkrevende og kan vise høy inter-rater-variasjon. Radiomics, uthenting av kvantitative egenskaper fra medisinske bilder, kan forenkle tolkningav MR-bildene. Det er viktig å finne kvantitative mål fra MR som er pålitelige, sensitive og spesifikke for diagnostiske, prediktive og prognostiske formål.\nHensikten med dette prosjektet er å bidra til utvikling av kvantitative analysemetoder for MRbilder og oppnå objektive og kvantitative MR-bildebaserte mål for diagnostiske og prognostiske formål. De spesifikke målene med dette prosjektet var å implementere et rammeverk for behandling og analyse av longitudinelle data innhentet med forskjellige skannere og protokoller, etablere kvantitative MR-bildebaserte mål for subtile beinmargsødem i ryggrad og iliosakralledd hos pasienter med psoriasisartritt, og vurdere prognostisk verdi av tekstur-egenskaper ekstrahert fra dynamisk kontrastforsterkede MR-bilder av lokalavansert brystkreft.\nDen første artikkelen evaluerte terskling for kvantifisering av benmargsødem i ryggrad og iliosakralledd hos pasienter med psoriasisartritt, og sammenlignet de kvantitative målene fra terskling med et semi-kvantitativt scoringssystem etablert av spondyloarthritis research consortium of Canada (SPARCC). Kvantitative mål fra terskling viste en signifikant positiv
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".