Short-duration dynamic [18F]DCFPyL PET and CT perfusion imaging to localize dominant intraprostatic lesions in prostate cancer: validation against digital histopathology and comparison to [18F]DCFPyL PET/MR at 120 minutes
Notice bibliographique
Résumé
Abstract Purpose Localized prostate cancer (PCa) in patients is characterized by a dominant focus in the gland (dominant intraprostatic lesion, DIL). Accurate DIL identification may enable more accurate diagnosis and therapy through more precise targeting of biopsy, radiotherapy and focal ablative therapies. The goal of this study is to validate the performance of [18F]DCFPyL PET and CT perfusion (CTP) for detecting and localizing DIL against digital histopathological images. Methods Multi-modality image sets: in vivo T2-weighted (T2w)-MRI, 22-min dynamic [18F]DCFPyL PET/CT, CTP, and 2-h post-injection PET/MR were acquired in patients prior to radical prostatectomy. The explanted gland with implanted fiducial markers was imaged with T2w-MRI. All images were co-registered to the pathologist-annotated digital images of whole-mount mid-gland histology sections using fiducial markers and anatomical landmarks. Regions of interest encompassing DIL and non-DIL tissue were drawn on the digital histopathological images and superimposed on PET and CTP parametric maps. Logistic regression with backward elimination of parameters was used to select the most sensitive parameter set to distinguish DIL from non-DIL voxels. Leave-one-patient-out cross-validation was performed to determine diagnostic performance. Results [18F]DCFPyL PET and CTP parametric maps of 15 patients were analyzed. SUVLate and a model combining Ki and k4 of [18F]DCFPyL achieved the most accurate performance distinguishing DIL from non-DIL voxels. Both detection models achieved an AUC of 0.90 and an error rate of < 10%. Compared to digital histopathology, the detected DILs had a mean dice similarity coefficient of 0.8 for the Ki and k4 model and 0.7 for SUVLate. Conclusions We have validated using co-registered digital histopathological images that parameters from kinetic analysis of 22-min dynamic [18F]DCFPyL PET can accurately localize DILs in PCa for targeting of biopsy, radiotherapy, and focal ablative therapies. Short-duration dynamic [18F]DCFPyL PET was not inferior to SUVLate in this diagnostic task. Clinical trial registration number: NCT04009174 (ClinicalTrials.gov).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».