Dual-Tracer PET-MRI-Derived Imaging Biomarkers for Prediction of Clinically Significant Prostate Cancer
Notice bibliographique
Résumé
Purpose: To investigate if imaging biomarkers derived from 3-Tesla dual-tracer [(18)F]fluoromethylcholine (FMC) and [68Ga]Ga-PSMAHBED-CC conjugate 11 (PSMA)-positron emission tomography can adequately predict clinically significant prostate cancer (csPC). Methods: We assessed 77 biopsy-proven PC patients who underwent 3T dual-tracer PET/mpMRI followed by radical prostatectomy (RP) between 2014 and 2017. We performed a retrospective lesion-based analysis of all cancer foci and compared it to whole-mount histopathology of the RP specimen. The primary aim was to investigate the pretherapeutic role of the imaging biomarkers FMC- and PSMA-maximum standardized uptake values (SUVmax) for the prediction of csPC and to compare it to the mpMRI-methods and PI-RADS score. Results: Overall, we identified 104 cancer foci, 69 were clinically significant (66.3%) and 35 were clinically insignificant (33.7%). We found that the combined FMC+PSMA SUVmax were the only significant parameters (p < 0.001 and p = 0.049) for the prediction of csPC. ROC analysis showed an AUC for the prediction of csPC of 0.695 for PI-RADS scoring (95% CI 0.591 to 0.786), 0.792 for FMC SUVmax (95% CI 0.696 to 0.869), 0.852 for FMC+PSMA SUVmax (95% CI 0.764 to 0.917), and 0.852 for the multivariable CHAID model (95% CI 0.763 to 0.916). Comparing the AUCs, we found that FMC+PSMA SUVmax and the multivariable model were significantly more accurate for the prediction of csPC compared to PI-RADS scoring (p = 0.0123, p = 0.0253, respectively). Conclusions: Combined FMC+PSMA SUVmax seems to be a reliable parameter for the prediction of csPC and might overcome the limitations of PI-RADS scoring. Further prospective studies are necessary to confirm these promising preliminary results.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».