PSMA Theranostics: Current Landscape and Future Outlook
Notice bibliographique
Résumé
INTRODUCTION: Prostate-specific membrane antigen (PSMA) is a promising novel molecular target for imaging diagnostics and therapeutics (theranostics). There has been a growing body of evidence supporting PSMA theranostics approaches in optimizing the management of prostate cancer and potentially altering its natural history. METHODS: We utilized PubMed and Google Scholar for published studies, and clinicaltrials.gov for planned, ongoing, and completed clinical trials in PSMA theranostics as of June 2021. We presented evolving evidence for various PSMA-targeted radiopharmaceutical agents in the treatment paradigm for prostate cancer, as well as combination treatment strategies with other targeted therapy and immunotherapy. We highlighted the emerging evidence of PSMA and fluorodeoxyglucose (FDG) PET/CT as a predictive biomarker for PSMA radioligand therapy. We identified seven ongoing clinical trials in oligometastatic-directed therapy using PSMA PET imaging. We also presented a schematic overview of 17 key PSMA theranostic clinical trials throughout the various stages of prostate cancer. CONCLUSIONS: In this review, we presented the contemporary and future landscape of theranostic applications in prostate cancer with a focus on PSMA ligands. As PSMA theranostics will soon become the standard of care for the management of prostate cancer, we underscore the importance of integrating nuclear medicine physicians into the multidisciplinary team.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».