The Role of Routine Clinical Pretreatment 18F-FDG PET/CT in Predicting Outcome of Colorectal Liver Metastasis
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to determine the value of SUV-based metabolic parameters derived from pretreatment F-FDG PET/CT of colorectal liver metastases in predicting disease response, progression-free survival (PFS), and overall survival (OS). PATIENTS AND METHODS: We retrospectively reviewed 70 colorectal patients with liver metastases who underwent pretreatment F-FDG PET/CT. SUVmean, SUVmax, TLG (total lesion glycolysis), metabolic tumor volume, and metabolic tumor diameter were the metabolic parameters derived from volume of interest analysis of the most FDG-avid liver lesion in each subject. Clinical and laboratory parameters were recorded. Tumor response was assessed by response evaluation criteria in solid tumors 1.1 criteria at 12 weeks after treatment. Associations between tumor response, metabolic parameters, and clinical/laboratory parameters were examined by 1-way analysis of variance. The relationship of the metabolic parameters with PFS and OS was determined by Kaplan-Meier analyses and further confirmed with multivariate Cox regression analyses. RESULTS: SUVmean less than 4.48, SUVmax less than 6.59, TLG less than 75.2, metabolic tumor volume less than 4.49 cm, and hemoglobin level greater than or equal to 11 g/dL were associated with longer PFS (P < 0.05). Prior surgery or radiofrequency ablation to the liver metastases was the only additional factor shown to be associated with longer OS. CONCLUSIONS: SUV-based metabolic parameters derived from pretreatment F-FDG PET/CT can predict PFS in colorectal liver metastases.
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 | 0,004 |
| 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 ».