<scp>SPECT</scp>‐based functional lung imaging for the prediction of radiation pneumonitis: A clinical and dosimetric correlation
Notice bibliographique
Résumé
INTRODUCTION: When we irradiate lung cancer, the radiation dose that can be delivered safely is limited by the risk of radiation pneumonitis (RP) in the surrounding normal lung. This risk is dose-dependent and is commonly predicted using metrics such as the V20, which are usually formulated assuming homogeneous pulmonary function. Because in vivo pulmonary function is not homogeneous, if highly functioning lung can be identified beforehand and preferentially avoided during treatment, it might be possible to reduce the risk of RP, suggesting the utility of function-based prediction metrics. METHODS: We retrospectively identified 26 patients who received ventilation and perfusion single photon emission computed tomography (SPECT-CT) immediately prior to curative-intent radiation therapy. Patients were separated into non-RP and RP groups. As-treated dose-volume histogram (DVH), perfusion-SPECT-based and ventilation-SPECT-based dose-function histogram (DFH) parameters were defined for each group and were tested for differences. The relative utilities of ventilation-based and perfusion-based DFH metrics were assessed using receiver operating characteristic (ROC) analysis. RESULTS: The standard mean lung dose (MLD) was significantly higher in the RP group; the standard V20 and V30 were higher in the RP group but not significantly. Perfusion-weighted and ventilation-weighted values of the MLD, V20 and V30 were all significantly higher in the RP group. ROC analysis suggested that SPECT-based DFH parameters outperformed standard DVH parameters as predictors of RP. CONCLUSIONS: SPECT-based DFH parameters appear to be useful as predictors of RP.
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 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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».