Is pulsed saturation transfer sufficient for differentiating radiation necrosis from tumor progression in brain metastases?
Notice bibliographique
Résumé
Abstract Background Stereotactic radiosurgery (SRS) for the treatment of brain metastases delivers a high dose of radiation with excellent local control but comes with the risk of radiation necrosis (RN), which can be difficult to distinguish from tumor progression (TP). Magnetization transfer (MT) and chemical exchange saturation transfer (CEST) are promising techniques for distinguishing RN from TP in brain metastases. Previous studies used a 2D continuous-wave (ie, block radiofrequency [RF] saturation) MT/CEST approach. The purpose of this study is to investigate a 3D pulsed saturation MT/CEST approach with perfusion MRI for distinguishing RN from TP in brain metastases. Methods The study included 73 patients scanned with MT/CEST MRI previously treated with SRS or fractionated SRS who developed enhancing lesions with uncertain diagnoses of RN or TP. Perfusion MRI was acquired in 49 of 73 patients. Clinical outcomes were determined by at least 6 months of follow-up or via pathologic confirmation (in 20% of the lesions). Results Univariable logistic regression resulted in significant variables of the quantitative MT parameter 1/(RA·T2A), with 5.9 ± 2.7 for RN and 6.5 ± 2.9 for TP. The highest AUC of 75% was obtained using a multivariable logistic regression model for MT/CEST parameters, which included the CEST parameters of AREXAmide,0.625µT (P = .013), AREXNOE,0.625µT (P = .008), 1/(RA·T2A) (P = .004), and T1 (P = .004). The perfusion rCBV parameter did not reach significance. Conclusions Pulsed saturation transfer was sufficient for achieving a multivariable AUC of 75% for differentiating between RN and TP in brain metastases, but had lower AUCs compared to previous studies that used a block RF approach.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».