Current Imaging Techniques for Lymph Node Staging in Prostate Cancer: A Review
Notice bibliographique
Résumé
Introduction: Lymph node metastases (LNM) represent a proven prognostic factor for biochemical recurrence (BCR)-free survival, metastatic free survival and overall survival in prostate cancer (PCa). Although pelvic node dissection remains the gold standard for the detection of LNM, novel imaging techniques are entering clinical practice, in the effort to improve LNM detection and spare unnecessary surgeries. Aim of the current review is to describe such imaging techniques and explore their advantages and limitations. Evidence Acquisition: The National Library of Medicine Database was searched for relevant articles published between January 2013 and August 2018. A wide search was performed including the combination of following words: “Prostate” AND “Cancer” AND “staging” AND “Lymph Node” AND “imaging” AND ("MRI" OR "PET"). The initial list of selected papers was enriched by individual suggestions of the authors of the present review. Evidence synthesis: DWI-MRI in detection of lymph node invasion has a sensitivity and specificity of 41% and 94% respectively. For SPIO MRI using ferumoxtran-10, the sensitivity for detection of LNM with short axis diameter of 5-10 mm is reported at 96.4%, compared to 28.5% with MRI alone. PSMA PET/CT is growing exponentially, both in the initial detection of LNM and for BCR evaluation. Fluciclovine PET could improve detection of subcentimetric pathologic lymph nodes. Sentinel lymph node techniques remain experimental and not validated in the field of PCa. Conclusions Molecular imaging, particularly PSMA ligand PET imaging, present interesting diagnostic accuracy in LN diagnosis even in subcentimetric LN. DWI-MRI yields good results in LN involvement evaluation and the use of contrast agent such SPIO may improve the detection rate. The SLN technique is limited to experimental protocols and for intermediate or high-risk PCa. Prospective trials are awaited to evaluate the true clinical impact of these imaging techniques on PCa oncologic outcomes.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».