MétaCan
Menu
Retour à la cohorte
Enregistrement W2573357968 · doi:10.1158/1078-0432.ccr-16-2265

Differentiation between Radiation Necrosis and Tumor Progression Using Chemical Exchange Saturation Transfer

2017· article· en· W2573357968 sur OpenAlexafffund
Hatef Mehrabian, Kimberly L. Desmond, Hany Soliman, Arjun Sahgal, Greg J. Stanisz

Notice bibliographique

RevueClinical Cancer Research · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueLanthanide and Transition Metal Complexes
Établissements canadiensSunnybrook HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesCanadian Cancer Society Research InstituteTerry Fox Research Institute
Mots-clésNecrosisMagnetization transferMedicineRadiosurgeryNuclear medicineTumor progressionMagnetic resonance imagingRadiation therapyPathologyNuclear magnetic resonanceRadiologyInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: Stereotactic radiosurgery (SRS) is a common treatment used in patients with brain metastases and is associated with high rates of local control, however, at the risk of radiation necrosis. It is difficult to differentiate radiation necrosis from tumor progression using conventional MRI, making it a major diagnostic dilemma for practitioners. This prospective study investigated whether chemical exchange saturation transfer (CEST) was able to differentiate these two conditions. Experimental Design: Sixteen patients with brain metastases who had been previously treated with SRS were included. Average time between SRS and evaluation was 12.6 months. Lesion type was determined by pathology in 9 patients and the other 7 were clinically followed. CEST imaging was performed on a 3T Philips scanner and the following CEST metrics were measured: amide proton transfer (APT), magnetization transfer (MT), magnetization transfer ratio (MTR), and area under the curve for CEST peaks corresponding to amide and nuclear Overhauser effect (NOE). Results: Five lesions were classified as progressing tumor and 11 were classified as radiation necrosis (using histopathologic confirmation and radiographic follow-up). The best separation was obtained by NOEMTR (NOEMTR,necrosis = 8.9 ± 0.9%, NOEMTR,progression = 12.6 ± 1.6%, P < 0.0001) and AmideMTR (AmideMTR,necrosis = 8.2 ± 1.0%, AmideMTR,progression = 12.0 ± 1.9%, P < 0.0001). MT (MTnecrosis = 4.7 ± 1.0%, MTprogression = 6.7 ± 1.7%, P = 0.009) and NOEAUC (NOEAUC,necrosis = 4.3 ± 2.0% Hz, NOEAUC,progression = 7.2 ± 1.9% Hz, P = 0.019) provided statistically significant separation but with higher P values. Conclusions: CEST was capable of differentiating radiation necrosis from tumor progression in brain metastases. Both NOEMTR and AmideMTR provided statistically significant separation of the two cohorts. However, APT was unable to differentiate the two groups. Clin Cancer Res; 23(14); 3667–75. ©2017 AACR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,354
Tête enseignante GPT0,531
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations155
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetLanthanide and Transition Metal ComplexesTravaux en français237 207