Using multiparametric Magnetic Resonance Imaging and Prostate Specific Membrane Antigen Positron Emission Tomography to detect and delineate the gross tumour volume of intraprostatic lesions – A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Radiation therapy is used frequently for patients with prostate cancer. Dose escalation to intraprostatic lesions (IPLs) has been shown to improve oncologic outcomes, without increasing toxicity. Both multiparametric MRI (mpMRI) and PSMA PET can be used to identify IPLs. MATERIALS AND METHODS: A systematic review was conducted to determine the ability of mpMRI, PSMA PET and their combination to detect IPLs prior to radical prostatectomy (RP) as correlated with the histology. Trials included patients that had mpMRI, PSMA PET, or both, prior to RP. The quality of the histopathological-radiological co-registration was assessed as high or low for each study. Recorded outcomes include sensitivity, specificity, and area under the receiver operating characteristic curve (AUROC). A meta-analysis was conducted using a bivariate model to determine the pooled sensitivity and specificity for each imaging modality. This systematic review was registered through PROSPERO (CRD42023389092). RESULTS: Altogether, 42 studies were included in the systematic review. Of these, 20 could be included in the meta-analysis. The pooled sensitivity (95 % CI), specificity (95 % CI) and AUROC for mpMRI (n = 13 studies) were 64.7 % (50.2 % - 76.9 %), 86.4 % (79.7 % - 91.1 %), and 0.852; the pooled outcomes for PSMA PET (n = 12) were 75.7 % (64.0 % - 84.5 %), 87.1 % (80.2 % - 91.9 %), and 0.889; for their combination (n = 5), the pooled outcomes were 70.3 % (64.1 % - 75.9 %), 81.9 % (71.9 % - 88.8 %), and 0.796. When reviewing studies with a high-quality histopathological-radiological co-registration, IPL delineation recommendations varied by study and the imaging modality used. CONCLUSION: All of mpMRI, PSMA PET or their combination were found to have very good diagnostic outcomes for detecting IPLs. Recommendations for delineating IPLs varied based on the imaging modalities used and between research groups. Consensus guidelines for IPL delineation would help with creating consistency for focal boost radiation treatments 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 | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,037 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».