<sup>99m</sup> Tc-Sestamibi SPECT/CT and histopathological features of oncocytic renal neoplasia
Notice bibliographique
Résumé
Background 99mTc-Sestamibi Single Photon Emission Computed Tomography/Computed Tomography (SPECT/CT) contributes to the non-invasive differentiation of renal oncocytoma (RO) from renal cell carcinoma (RCC) by characterising renal tumours as Sestamibi positive or Sestamibi negative regarding their 99mTc-Sestamibi uptake compared to the non-tumoral renal parenchyma.Purpose To determine whether 99mTc- Sestamibi uptake in renal tumour and the non-tumoral renal parenchyma measured using Standard Uptake Value (SUV) SPECT, has a beneficial role in differentiating RO from RCC.Material and Methods Fifty-seven renal tumours from 52 patients were evaluated. In addition to visual evaluation of 99mTc-Sestamibi uptake, SUVmax measurements were performed in the renal tumour and the ipsilateral non-tumoral renal parenchyma. Analysis of the area under the receiver operating characteristic curve identified an optimal cut-off value for detecting RO, based on the relative ratio of 99mTc- Sestamibi uptake.Results Semiquantitative evaluation of 99mTc-Sestamibi uptake did not improve the performance of 99mTc- Sestamibi SPECT/CT in detecting RO. 99mTc- Sestamibi SPECT/CT identifies a group of mostly indolent Sestamibi-positive tumours with low malignant potential containing RO, Low-Grade Oncocytic Tumours, Hybrid Oncocytic Tumours, and a subset of chromophobe RCCs.Conclusion The imaging limitations for accurate differentiation of Sestamibi-positive renal tumours mirror the recognised diagnostic complexities of the histopathologic evaluation of oncocytic neoplasia. Patients with Sestamibi-positive renal tumours could be better suited for biopsy and follow-up, according to the current active surveillance protocols.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 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 ».