Comparison of 68Ga-DOTATATE Positron Emmited Tomography/Computed Tomography and Gadoxetic Acid-Enhanced Magnetic Resonance Imaging for the Detection of Liver Metastases from Well-Differentiated Neuroendocrine Tumors
Notice bibliographique
Résumé
This study aimed to compare the detection of neuroendocrine tumor liver metastases (NLMs) in hepatobiliary-specific contrast-enhanced MRI (pMR) versus 68Ga-DOTATATE PET/CT (DT-PET). This retrospective study cohort included 30 patients with well-differentiated neuroendocrine tumors who underwent both DT-PET and pMR. Two readers independently assessed NLMs count, SUVmax on DT-PET, and signal characteristics on pMR. A consensus review by two additional readers resolved discrepancies between the modalities. Results showed concordance between DT-PET and pMR NLM count in 14/30 patients (47%). pMR identified more NLMs in 12/30 patients (40%), of which 4 patients showed multiple deposits on pMR but only 0–1 lesions on DT-PET. DT-PET detected more in 4/30 patients (13%). Overall, pMR detected more metastases than DT-PET (p = 0.01). Excluding the four outliers, there was excellent agreement between the two methods (ICC: 0.945, 95%CI: 0.930, 0.958). Notably, pMR had a higher NLM detection rate than DT-PET, with correlations found between lesion size on pMR and DT-PET detectability, as well as diffusion restriction on pMR and SUVmax on DT-PET. In conclusion, in consecutive patients with well-differentiated NETs, the detection rate of NLM is higher with pMR than with DT-PET. However, when excluding patients whose tumors do not overexpress somatostatin receptors (13% of the cohort), high concordance in the detection of NLM is observed between DT PET and pMR.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».