Evolving Role of [18F]Flurocholine PET/CT in Assessing Primary Hyperparathyroidism: Can It Be Considered the First-Line Functional Imaging Approach?
Notice bibliographique
Résumé
The accurate detection of hyperfunctioning parathyroid tissue (HFPT) is pivotal in the preoperative assessment of primary hyperparathyroidism (PHPT). PET/CT using [18F]fluorocholine ([18F]FCH) showed superior diagnostic performance compared to conventional functional imaging modalities. We aimed to evaluate the diagnostic performance of [18F]FCH PET/CT as a first-line functional imaging approach in patients with clinically diagnosed PHPT. The imaging and clinical data of 321 PHPT patients, including 271 overt PHPT and 50 mild PHPT, who underwent [18F]FCH PET/CT as first-line imaging were analysed in this retrospective study. Histopathology was the reference standard. In case of no available histopathology evaluation (conservative management), imaging and clinical follow-ups were considered reference standards. In the overt group (n = 271), [18F]FCH PET/CT showed sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and accuracy of 0.99, 0.91, 1.00, 0.80, and 0.99, respectively. Regarding the correlation of the index lesions and initial laboratory data, all [18F]FCH PET/CT parameters (SUVs, SULs, and mSAD) were significantly correlated with the serum iPTH level. Additionally, SUVmax, SULpeak, and mSAD were significantly associated with the serum calcium level. In the mild group (n = 50), [18F]FCH PET/CT showed a sensitivity, specificity, PPV, NPV, and accuracy of 0.93, 0.75, 0.95, 0.67, and 0.90. In conclusion, [18F]FCH PET/CT revealed high diagnostic performance in the detection of HFPTs and the potential to be considered as a first-line imaging modality in the assessment of PHPT, including both overt and mild types. However, its cost–benefit concerning the clinical impact of early PHPT detection should be investigated in future studies.
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».