Published November 6, 2013 | Version v1
Publication Open

An evidential reasoning based model for diagnosis of lymph node metastasis in gastric cancer

Creators

  • 1. Xidian University
  • 2. Peking University Cancer Hospital
  • 3. Peking University

Description

Lymph node metastasis (LNM) in gastric cancer is a very important prognostic factor affecting long-term survival. Currently, several common imaging techniques are used to evaluate the lymph node status. However, they are incapable of achieving both high sensitivity and specificity simultaneously. In order to deal with this complex issue, a new evidential reasoning (ER) based model is proposed to support diagnosis of LNM in gastric cancer.There are 175 consecutive patients who went through multidetector computed tomography (MDCT) consecutively before the surgery. Eight indicators, which are serosal invasion, tumor classification, tumor enhancement pattern, tumor thickness, number of lymph nodes, maximum lymph node size, lymph node station and lymph node enhancement are utilized to evaluate the tumor and lymph node through CT images. All of the above indicators reflect the biological behavior of gastric cancer. An ER based model is constructed by taking the above indicators as input index. The output index determines whether LNM occurs for the patients, which is decided by the surgery and histopathology. A technique called k-fold cross-validation is used for training and testing the new model. The diagnostic capability of LNM is evaluated by receiver operating characteristic (ROC) curves. A Radiologist classifies LNM by adopting lymph node size for comparison.134 out of 175 cases are cases of LNM, and the remains are not. Eight indicators have statistically significant difference between the positive and negative groups. The sensitivity, specificity and AUC of the ER based model are 88.41%, 77.57% and 0.813, respectively. However, for the radiologist evaluating LNM by maximum lymph node size, the corresponding values are only 63.4%, 75.6% and 0.757. Therefore, the proposed model can obtain better performance than the radiologist. Besides, the proposed model also outperforms other machine learning methods.According to the biological behavior information of gastric cancer, the ER based model can diagnose LNM effectively and preoperatively.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

نقائل العقدة الليمفاوية (LNM) في سرطان المعدة هي عامل نذير مهم للغاية يؤثر على البقاء على قيد الحياة على المدى الطويل. في الوقت الحالي، يتم استخدام العديد من تقنيات التصوير الشائعة لتقييم حالة العقدة الليمفاوية. ومع ذلك، فهي غير قادرة على تحقيق كل من الحساسية العالية والنوعية في وقت واحد. من أجل التعامل مع هذه المشكلة المعقدة، يُقترح نموذج جديد قائم على الاستدلال الإثباتي لدعم تشخيص سرطان المعدة. هناك 175 مريضًا متتاليًا خضعوا للتصوير المقطعي المحوسب متعدد الكواشف (MDCT) على التوالي قبل الجراحة. يتم استخدام ثمانية مؤشرات، وهي غزو المصل، وتصنيف الورم، ونمط تعزيز الورم، وسمك الورم، وعدد العقد الليمفاوية، والحد الأقصى لحجم العقدة الليمفاوية، ومحطة العقدة الليمفاوية وتعزيز العقدة الليمفاوية لتقييم الورم والعقدة الليمفاوية من خلال صور الأشعة المقطعية. تعكس جميع المؤشرات المذكورة أعلاه السلوك البيولوجي لسرطان المعدة. يتم إنشاء نموذج قائم على الاستجابة للطوارئ من خلال أخذ المؤشرات المذكورة أعلاه كمؤشر إدخال. يحدد مؤشر المخرجات ما إذا كان مرض السكري يحدث للمرضى، وهو ما تقرره الجراحة وعلم الأنسجة. يتم استخدام تقنية تسمى k - fold cross - validation لتدريب واختبار النموذج الجديد. يتم تقييم القدرة التشخيصية لـ LNM من خلال منحنيات خاصية تشغيل جهاز الاستقبال (ROC). يصنف أخصائي الأشعة LNM من خلال اعتماد حجم العقدة الليمفاوية للمقارنة. 134 من أصل 175 حالة هي حالات LNM، والبقايا ليست كذلك. ثمانية مؤشرات لها فرق ذو دلالة إحصائية بين المجموعتين الإيجابية والسلبية. تبلغ نسبة الحساسية والخصوصية والمساحة تحت المنحنى للنموذج القائم على غرفة الطوارئ 88.41 ٪ و 77.57 ٪ و 0.813 على التوالي. ومع ذلك، بالنسبة لأخصائي الأشعة الذي يقيم LNM حسب الحد الأقصى لحجم العقدة الليمفاوية، فإن القيم المقابلة هي 63.4 ٪ و 75.6 ٪ و 0.757 فقط. لذلك، يمكن للنموذج المقترح الحصول على أداء أفضل من أخصائي الأشعة. إلى جانب ذلك، يتفوق النموذج المقترح أيضًا على طرق التعلم الآلي الأخرى. وفقًا لمعلومات السلوك البيولوجي لسرطان المعدة، يمكن للنموذج القائم على ER تشخيص LNM بشكل فعال وقبل الجراحة.

Translated Description (French)

La métastase ganglionnaire (LNM) dans le cancer gastrique est un facteur pronostique très important affectant la survie à long terme. Actuellement, plusieurs techniques d'imagerie courantes sont utilisées pour évaluer l'état des ganglions lymphatiques. Cependant, ils sont incapables d'atteindre à la fois une sensibilité et une spécificité élevées simultanément. Afin de traiter cette question complexe, un nouveau modèle basé sur le raisonnement probant (RE) est proposé pour soutenir le diagnostic de LNM dans le cancer gastrique. 175 patients consécutifs ont subi une tomodensitométrie multidétecteur (TDM) consécutivement avant la chirurgie. Huit indicateurs, qui sont l'invasion séreuse, la classification tumorale, le modèle d'amélioration tumorale, l'épaisseur de la tumeur, le nombre de ganglions lymphatiques, la taille maximale des ganglions lymphatiques, la station des ganglions lymphatiques et l'amélioration des ganglions lymphatiques sont utilisés pour évaluer la tumeur et les ganglions lymphatiques à l'aide d'images tomodensitométriques. Tous les indicateurs ci-dessus reflètent le comportement biologique du cancer gastrique. Un modèle basé sur les RE est construit en prenant les indicateurs ci-dessus comme indice d'entrée. L'indice de sortie détermine si le LNM se produit pour les patients, ce qui est décidé par la chirurgie et l'histopathologie. Une technique appelée validation croisée k-fold est utilisée pour former et tester le nouveau modèle. La capacité de diagnostic du LNM est évaluée par des courbes de caractéristiques de fonctionnement du récepteur (roc). Un radiologue classe le LNM en adoptant la taille des ganglions lymphatiques pour comparaison.134 sur 175 cas sont des cas de LNM, et les restes ne le sont pas. Huit indicateurs présentent une différence statistiquement significative entre les groupes positifs et négatifs. La sensibilité, la spécificité et l'ASC du modèle basé sur le RE sont de 88,41 %, 77,57 % et 0,813, respectivement. Cependant, pour le radiologue évaluant le LNM par la taille maximale des ganglions lymphatiques, les valeurs correspondantes ne sont que de 63,4%, 75,6% et 0,757. Par conséquent, le modèle proposé peut obtenir de meilleures performances que le radiologue. En outre, le modèle proposé surpasse également les autres méthodes d'apprentissage automatique. Selon les informations sur le comportement biologique du cancer gastrique, le modèle basé sur les urgences peut diagnostiquer la LNM de manière efficace et préopératoire.

Translated Description (Spanish)

La metástasis en los ganglios linfáticos (LNM) en el cáncer gástrico es un factor pronóstico muy importante que afecta a la supervivencia a largo plazo. Actualmente, se utilizan varias técnicas comunes de imagen para evaluar el estado de los ganglios linfáticos. Sin embargo, son incapaces de lograr una alta sensibilidad y especificidad simultáneamente. Para abordar este complejo problema, se propone un nuevo modelo basado en el razonamiento probatorio (ER) para respaldar el diagnóstico de LNM en el cáncer gástrico. Hay 175 pacientes consecutivos que se sometieron a tomografía computarizada multidetector (MDCT) consecutivamente antes de la cirugía. Se utilizan ocho indicadores, que son invasión serosa, clasificación tumoral, patrón de realce tumoral, grosor tumoral, número de ganglios linfáticos, tamaño máximo de los ganglios linfáticos, estación de ganglios linfáticos y realce de ganglios linfáticos para evaluar el tumor y los ganglios linfáticos a través de imágenes de TC. Todos los indicadores anteriores reflejan el comportamiento biológico del cáncer gástrico. Un modelo basado en ER se construye tomando los indicadores anteriores como índice de entrada. El índice de salida determina si se produce LNM para los pacientes, lo que se decide por la cirugía y la histopatología. Se utiliza una técnica llamada validación cruzada k-fold para entrenar y probar el nuevo modelo. La capacidad de diagnóstico de LNM se evalúa mediante curvas de características operativas del receptor (Roc). Un radiólogo clasifica la LNM adoptando el tamaño de los ganglios linfáticos para la comparación.134 de 175 casos son casos de LNM, y los restos no lo son. Ocho indicadores tienen diferencias estadísticamente significativas entre los grupos positivos y negativos. La sensibilidad, especificidad y AUC del modelo basado en ER son 88.41%, 77.57% y 0.813, respectivamente. Sin embargo, para el radiólogo que evalúa la LNM por tamaño máximo de los ganglios linfáticos, los valores correspondientes son solo 63.4%, 75.6% y 0.757. Por lo tanto, el modelo propuesto puede obtener un mejor rendimiento que el radiólogo. Además, el modelo propuesto también supera a otros métodos de aprendizaje automático. De acuerdo con la información de comportamiento biológico del cáncer gástrico, el modelo basado en ER puede diagnosticar LNM de manera efectiva y preoperatoria.

Files

1472-6947-13-123.pdf

Files (582.0 kB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:85c2eeb17eb100a529586dadb00b526f
582.0 kB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
نموذج قائم على الاستدلال الإثباتي لتشخيص نقائل العقدة الليمفاوية في سرطان المعدة
Translated title (French)
Un modèle fondé sur un raisonnement probant pour le diagnostic des métastases ganglionnaires dans le cancer gastrique
Translated title (Spanish)
Un modelo basado en el razonamiento probatorio para el diagnóstico de metástasis de ganglios linfáticos en el cáncer gástrico

Identifiers

Other
https://openalex.org/W2007540079
DOI
10.1186/1472-6947-13-123

Is supplement to
https://openalex.org/W4361257721 (Other)
https://openalex.org/W4361237345 (Other)
https://openalex.org/W2079912968 (Other)
https://openalex.org/W2068703179 (Other)
https://openalex.org/W203485574 (Other)
https://openalex.org/W2028414386 (Other)
https://openalex.org/W2020142317 (Other)
https://openalex.org/W2008553569 (Other)
https://openalex.org/W1973402430 (Other)
https://openalex.org/W1966798989 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W142591619
  • https://openalex.org/W1542868503
  • https://openalex.org/W1663973292
  • https://openalex.org/W2002277826
  • https://openalex.org/W2005392991
  • https://openalex.org/W2015975787
  • https://openalex.org/W2035902537
  • https://openalex.org/W2087723271
  • https://openalex.org/W2100953563
  • https://openalex.org/W2104179665
  • https://openalex.org/W2110367372
  • https://openalex.org/W2153635508
  • https://openalex.org/W2155482699
  • https://openalex.org/W2155994495
  • https://openalex.org/W2161692227
  • https://openalex.org/W2165595511
  • https://openalex.org/W234954058
  • https://openalex.org/W4239180165
  • https://openalex.org/W4255290073
  • https://openalex.org/W4301347335