18F-FDG PET-CT in Cystic Tumors of the Pancreas
Notice bibliographique
Résumé
In order to plan treatment or follow-up of pancreatic cystic lesions, is crucial to distinguish benign from malignant cystic tumors with reliable, non-invasive methods. Despite evaluation with several preoperative investigations, a correct pathologic diagnosis rate does not exceed 68%. 2-[18F]-fluoro-2-deoxy-D-glucose positron emission tomography (18F-FDG PET-CT) has been found to be a highly sensitive and specific non-invasive procedure to detect malignancy in cystic tumors of the pancreas (CTP). The introduction of hybrid PET/CT scans allowed a more accurate localization of the foci of hypermetabolism. We reviewed 14 series (645 patients) with a CTP who underwent 18F-FDG PET-CT from 2001; four of these studies came from our group of investigators (226 patients). In the last studies, sensitivity in detecting malignancy ranged from 83 to 100% and specificity from 78 to 100%. 18F-FDG PET-CT for a long time was used only when conventional imaging was insufficient to rule out a cancer. In our experience, 18F-FDG PET-CT was found to be reliable to detect "cancer in situ" when no other investigations could detect it, so we stress the use of 18F-FDG PET-CT in the first assessment, as alternative to EUS with FNA, to exclude malignancy. We are lacking data about the use of 18F-FDG PET-CT and timing in the follow-up of patients (un)-operated. We suggest a regular use in the follow up of patients with intraductal papillary mucinous neoplasms (IPMN), due to their multifocality and to the high rate of extra-pancreatic cancers.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».