Metabolic Tumor Volume and Total Lesion Glycolysis in PET/CT Correlate With the Pathological Findings of Colorectal Cancer and Allow Its Accurate Staging
Notice bibliographique
Résumé
INTRODUCTION: PET/CT plays an important role in cancer diagnosis. Recently, novel metabolic parameters in PET/CT such as metabolic tumor volume (MTV) and total lesion glycolysis (TLG) have been reported to be diagnostic and prognostic biomarkers of various cancers. We evaluated the diagnostic value of these metabolic parameters in colorectal cancer (CRC). METHODS: The study included 138 patients who underwent surgical resection of CRCs between August 2012 and March 2014. The MTVs and TLGs of tumors were measured using various SUV thresholds. The diagnostic abilities of the metabolic parameters were analyzed using ROC curves and classification and regression trees. RESULTS: The AUCs of the MTVs and TLGs for predicting T stage (0.881-0.892) were significantly higher than the AUC of the SUVmax (0.824). In the M stage, the AUCs of MTVs and TLGs (0.688-0.723) were significantly higher than that of the SUVmax (0.606). Recursive partitioning applying classification and regression trees demonstrated that the optimal cutoff values of the most important variables for discriminating T, N, and M stages are MTV2.5 = 9.35 and 63.33 mL, TLG50% = 328.1, and TLG50% = 94.81, respectively. CONCLUSION: Metabolic tumor volumes and TLGs in PET/CT are reliable diagnostic biomarkers. Using these parameters, more accurate preoperative diagnoses for CRC can be made.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».