Quantitation of Translocator Protein Binding in Human Brain with the Novel Radioligand [ <sup>18</sup> F]-FEPPA and Positron Emission Tomography
Notice bibliographique
Résumé
This article describes the kinetic modeling of [(18)F]-FEPPA binding to translocator protein 18 kDa in the human brain using high-resolution research tomograph (HRRT) positron emission tomography. Positron emission tomography scans were performed in 12 healthy volunteers for 180 minutes. A two-tissue compartment model (2-CM) provided, with no exception, better fits to the data than a one-tissue model. Estimates of total distribution volume (V(T)), specific distribution volume (V(S)), and binding potential (BP(ND)) demonstrated very good identifiability (based on coefficient of variation (COV)) for all the regions of interest (ROIs) in the gray matter (COV V(T)<7%, COV V(S)<8%, COV BP(ND)<11%). Reduction of the length of the scan to 2 hours is feasible as V(S) and V(T) showed only a small bias (6% and 7.5%, respectively). Monte Carlo simulations showed that, even under conditions of a 500% increase in specific binding, the identifiability of V(T) and V(S) was still very good with COV<10%, across high-uptake ROIs. The excellent identifiability of V(T) values obtained from an unconstrained 2-CM with data from a 2-hour scan support the use of V(T) as an appropriate and feasible outcome measure for [(18)F]-FEPPA.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».