Accuracy of kidney dosimetry performed using simplified time activity curve modelling methods: a <sup>177</sup> Lu-DOTATATE patient study
Notice bibliographique
Résumé
Lu-DOTATATE therapy has been shown to produce encouraging results in treatment of neuroendocrine tumours (NETs). Unfortunately, since dosimetry for radionuclide therapy is considered to be challenging, typically similar amount of radiopharmaceutical is administered to every patient. There is growing evidence that the efficacy of this therapy can be significantly improved by employing personalized protocols, based on the organ-at-risk dosimetry. The aim of this study is to propose a practical and accurate dosimetry protocol based on the simplified acquisition schedules. Data from fifty-three therapy cycles in thirty-nine NET patients were analyzed. Three SPECT/CT scans, acquired at 4 h (D0), 23 h (D1) and 70 h (D3) after injection, were performed. The kidney volume was determined using CT and the activity was determined from quantitative SPECT using an iterative thresholding method. For each dataset, four methods were used to model the time-activity-curves (TAC): M1-two trapezoid segments (0 to D0 and D0 to D1), followed by monoexponential fit to D1 + D3 data; M2-monoexponential fit to D0 + D1 + D3 data; M3 and M4-monoexponential fit to D0 + D3 and D1 + D3 data, respectively. Additionally, kidney doses obtained from single time point method using a monoexponential curve with the population mean effective half-life, normalized to activities at D0 or D1 or D3 points, were calculated. The accuracy of simplified dosimetry methods was assessed as the percentage difference relative to doses calculated from M1. The major contribution to the absorbed dose estimate comes from the area under the late time portion of the TAC (D1 to infinity). Therefore, information from the late scan (D3) is crucial for the determination of kidney absorbed doses. Single time point method using monoexponential TAC, with the population mean effective half-life normalized to the late data point (48-72 h for kidneys) produces <10% deviation in the absorbed dose estimation, thus is recommended for clinical use.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».