Single-Center Comparison of [64Cu]-DOTAGA-PSMA and [18F]-PSMA PET–CT for Imaging Prostate Cancer
Notice bibliographique
Résumé
Introduction: the diagnostic performance of [64Cu]-DOTAGA-PSMA PET–CT imaging was compared retrospectively to [18F]-PSMA PET–CT in prostate cancer patients with recurrent disease and in the primary staging of selected patients with advanced local and possible metastatic disease. Methods: We retrospectively selected a total of 100 patients, who were consecutively examined in our department, with biochemical recurrence after radical prostatectomy or who had progressive local and possible metastatic disease in the last 3 months prior to this investigation. All patients were examined with a dedicated PET–CT scanner (Biograph; Siemens Healthineers). A total of 250 MBq (3.5 MBq per kg bodyweight, range 230–290 MBq) of [64Cu]-DOTAGA-PSMA or [18-F]-PSMA was applied intravenously. PET images were performed 1 h post-injection (skull base to mid-thigh). The maximum standardized uptake values (SUVmax) of PSMA-positive lesions and the mean standardized uptake value (SUVmean) of the right liver lobe were measured. Results: All but 9/50 of the patients (18%; PSA range: 0.01–0.7 µg/L) studied with [64Cu]-DOTAGA-PSMA and 6/50 of the ones (12%; PSA range: 0.01–4.2) studied with [18F]-PSMA had at least one positive PSMA lesion shown by PET–CT. The total number of lesions was higher with [64Cu]-DOTAGA-PSMA (209 vs. 191); however, the median number of lesions was one for [64Cu]-DOTAGA-PSMA and two for [18F]-PSMA. Interestingly, the median SUVmean of the right liver lobe was slightly higher for [18F]-PSMA (11.8 vs. 8.9). Conclusions: [64Cu]-DOTAGA-PSMA and [18F]-PSMA have comparable detection rates for the assessment of residual disease in patients with recurrent or primary progressive prostate cancer. The uptake in the liver is moderately different, and therefore at least the SUVs of the lesions in both studies would not be comparable.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».