Dynamic contrast enhanced MRI as a predictor of vascular-targeted photodynamic focal ablation therapy outcome in prostate cancer post failed external beam radiation therapy
Notice bibliographique
Résumé
INTRODUCTION: Photodynamic therapy (PDT) can be employed as a focal therapy for prostate cancer. Dynamic contrast-enhanced (DCE) magnetic resonance imaging (MRI) can potentially help identify tumour recurrence after failed external-beam radiotherapy (EBRT). The purpose of this study was to determine the ability of DCE-MRI to predict early response to PDT salvage treatment. METHODS: Patients with post-EBRT prostate cancer recurrence were prospectively enrolled into a Phase I/II trial of PDT using WST09. A 15-patient subgroup of this cohort undergoing 1.5T DCE-MRI at baseline and 1-week post-PDT was retrospectively analyzed. The reference standard was prostate biopsy obtained 6 months post-PDT. Analysis was performed on a patient-by-patient basis, by prostate gland halves, and by prostate sextants. RESULTS: Biopsy 6 months post-PDT identified cancer in 10/15 patients (66.7%), and in 24/90 sextants (26.7%). Residual cancer was identified in 22/37 sextants (59.5%) identified as being involved at baseline. DCE-MRI at 1 week correctly predicted recurrent disease with a sensitivity of 100% (10/10), specificity of 60% (3/5), positive predictive value of 83.3% (10/12), negative predictive value of 100% (3/3), and an overall accuracy of 86.7%, (13/15). When analysis was performed on prostate halves, the sensitivity and negative predictive value remained at 100%, with an improvement in specificity to 88.2% (15/17). The overall accuracy of DCE-MRI was similar regardless of analysis method: 86.7% on a patient-by-patient basis, 86.7% by prostate half and 83.3% by sextant. Changes in prostate-specific antigen (PSA) did not correlate to response. CONCLUSION: DCE-MRI shows promise as a tool to predict successful outcome when performed 1 week post-PDT and could potentially be used to inform the need for re-treatment at an early time-point.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».