Prostate specific membrane antigen positron emission tomography for lesion-directed high-dose-rate brachytherapy dose escalation
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Prostate specific membrane antigen positron emission tomography imaging (PSMA-PET) has demonstrated potential for intra-prostatic lesion localization. We leveraged our existing database of co-registered PSMA-PET imaging with cross sectional digitized pathology to model dose coverage of histologically-defined prostate cancer when tailoring brachytherapy dose escalation based on PSMA-PET imaging. MATERIALS AND METHODS: Using a previously-developed automated approach, we created segmentation volumes delineating underlying dominant intraprostatic lesions for ten men with co-registered pathology-imaging datasets. To simulate realistic high-dose-rate brachytherapy (HDR-BT) treatments, we registered the PSMA-PET-defined segmentation volumes and underlying cancer to 3D trans-rectal ultrasound images of HDR-BT cases where 15 Gray (Gy) was delivered. We applied dose/volume optimization to focally target the dominant intraprostatic lesion identified on PSMA-PET. We then compared histopathology dose for all high-grade cancer within whole-gland treatment plans versus PSMA-PET-targeted plans. Histopathology dose was analyzed for all clinically significant cancer with a Gleason score of 7or greater. RESULTS: The standard whole-gland plans achieved a median [interquartile range] D98 of 15.2 [13.8-16.4] Gy to the histologically-defined cancer, while the targeted plans achieved a significantly higher D98 of 16.5 [15.0-19.0] Gy (p = 0.007). CONCLUSION: This study is the first to use digital histology to confirm the effectiveness of PSMA-PET HDR-BT dose escalation using automatically generated contours. Based on the findings of this study, PSMA-PET lesion dose escalation can lead to increased dose to the ground truth histologically defined cancer.
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 | 0,000 | 0,000 |
| 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 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 ».