MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392599330 · doi:10.1016/j.redii.2024.100041

FDG uptake of pulmonary lesions in synchronous primary lung cancers and lung metastases

2024· article· en· W4392599330 sur OpenAlexaff
Sebastian Karpinski, Zamzam Al Bimani, Jessica L. Dobson, Wanzhen Zeng

Notice bibliographique

RevueResearch in Diagnostic and Interventional Imaging · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensDalhousie UniversityUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineLung cancerLungReceiver operating characteristicMetastasisLesionCorrelationRadiologyNuclear medicineCancerPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

In lung cancer patients, the distinction between synchronous primary lung cancer and intrapulmonary metastasis can be challenging. The intensity of FDG uptake in pulmonary lesions has been shown to be potentially useful in classifying synchronous lung cancer. The aim of this retrospective study is to investigate the effectiveness of FDG uptake in differentiating metastases from synchronous primary lesions in the setting of lung cancer. Consecutive patients with primary lung cancer with two or more malignant lung lesions referred for (18F)-FDG PET-CT imaging between 2010 and 2019 were reviewed and classified into synchronous and metastasis groups. Lesional maximum standardized uptake values (SUVmax), relative differences in SUVmax and SUVmax ratios were calculated and compared using receiver operating characteristic (ROC) curve analysis. Intra-group correlation in SUVmax between lesion pairs was examined using Pearson's and Spearman's correlation analysis. 94 patients were included for analysis, divided into synchronous (n = 62; 68 lesion pairs) and metastasis (n = 32; 33 lesion pairs) groups. The correlation of FDG uptake between lesions in the metastasis group was strong (r = 0.81). A significant difference in mean relative difference in SUVmax (synchronous: 0.50±0.23 metastasis: 0.34±0.17, p = 0.001) and mean SUVmax ratio (synchronous: 2.6 ± 1.7 metastasis: 1.7 ± 0.6, p < 0.001) was observed. ROC analysis revealed a fair AUC (0.71–0.72) for these parameters, with an associated sensitivity of 59 % and specificity of 82 % at optimal cut-off values. Differences in FDG uptake intensity among multiple synchronously presenting malignant nodules may be helpful to distinguish second primary lung tumours from metastatic spread.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,402
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in Diagnostic and Interventional Imaging→Même sujetLung Cancer Diagnosis and Treatment→Travaux en français237 207→