FDG PET/CT in Initial Staging of Adult Soft-Tissue Sarcoma
Notice bibliographique
Résumé
Soft-tissue sarcomas spread predominantly to the lung and it is unclear how often FDG-PET scans will detect metastases not already obvious by chest CT scan or clinical examination. Adult limb and body wall soft-tissue sarcoma cases were identified retrospectively. Ewing's sarcoma, rhabdomyosarcoma, GIST, desmoid tumors, visceral tumors, bone tumors, and retroperitoneal sarcomas were excluded as were patients imaged for followup, response assessment, or recurrence. All patients had a diagnostic chest CT scan. 109 patients met these criteria, 87% of which had intermediate or high-grade tumors. The most common pathological diagnoses were leiomyosarcoma (17%), liposarcoma (17%), and undifferentiated or pleomorphic sarcoma (16%). 98% of previously unresected primary tumors were FDG avid. PET scans were negative for distant disease in 91/109 cases. The negative predictive value was 89%. Fourteen PET scans were positive. Of these, 6 patients were already known to have metastases, 3 were false positives, and 5 represented new findings of metastasis (positive predictive value 79%). In total, 5 patients were upstaged by FDG-PET (4.5%). Although PET scans may be of use in specific circumstances, routine use of FDG PET imaging as part of the initial staging of soft-tissue sarcomas was unlikely to alter management in our series.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».