MétaCan
Menu
← Back to cohort
Record W6996008528

Radiomics in psoriatic arthritis and breast cancer: Assessing disease burden and predicting survival through MR image analysis

2022· dissertation· no· W6996008528 on OpenAlexaboutno aff

Bibliographic record

VenueDuo Research Archive (University of Oslo) · 2022
Typedissertation
Languageno
FieldMedicine
TopicSpondyloarthritis Studies and Treatments
Canadian institutionsnot available
Fundersnot available
KeywordsRadiomicsPsoriatic arthritisMEDLINEChronic disease
DOInot available

Abstract

fetched live from OpenAlex

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.003
Threshold uncertainty score0.008

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.001
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

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.

Opus teacher head0.023
GPT teacher head0.316
Teacher spread0.294 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueDuo Research Archive (University of Oslo)→Same topicSpondyloarthritis Studies and Treatments→French-language works237,207→