A review of 177Lu dosimetry workflows: how to reduce the imaging workloads?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract $$^{177}{\hbox {Lu}}$$ <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"> <mml:mrow> <mml:mmultiscripts> <mml:mrow/> <mml:mrow/> <mml:mn>177</mml:mn> </mml:mmultiscripts> <mml:mtext>Lu</mml:mtext> </mml:mrow> </mml:math> radiopharmaceutical therapy is a standardized systemic treatment, with a typical dose of 7.4 GBq per injection, but its response varies from patient to patient. Dosimetry provides the opportunity to personalize treatment, but it requires multiple post-injection images to monitor the radiopharmaceutical’s biodistribution over time. This imposes an additional imaging burden on centers with limited resources. This review explores methods to lessen this burden by optimizing acquisition types and minimizing the number and duration of imaging sessions. After summarizing the different steps of dosimetry and providing examples of dosimetric workflows for $$^{177}{\hbox {Lu}}$$ <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"> <mml:mrow> <mml:mmultiscripts> <mml:mrow/> <mml:mrow/> <mml:mn>177</mml:mn> </mml:mmultiscripts> <mml:mtext>Lu</mml:mtext> </mml:mrow> </mml:math> -DOTATATE and $$^{177}{\hbox {Lu}}$$ <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"> <mml:mrow> <mml:mmultiscripts> <mml:mrow/> <mml:mrow/> <mml:mn>177</mml:mn> </mml:mmultiscripts> <mml:mtext>Lu</mml:mtext> </mml:mrow> </mml:math> -PSMA, we examine dosimetric workflows based on a reduced number of acquisitions, or even just one. We provide a non-exhaustive description of simplified methods and their assumptions, as well as their limitations. Next, we detail the specificities of each normal tissue and tumors, before reviewing dose-response relationships in the literature. In conclusion, we will discuss the current limitations of dosimetric workflows and propose avenues for improvement.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle