MétaCan
Menu
← Retour à la cohorte
Enregistrement W4405820960 · doi:10.3390/curroncol32010009

Evaluating [68Ga]-Ga PSMA PET/CT for Detecting Prostate Cancer Recurrence Post-High-Intensity Focused Ultrasound and Brachytherapy: A Single-Center Retrospective Study

2024· article· en· W4405820960 sur OpenAlexvenueno aff
Antonio Giorgio, Marco Rapa, Simona Civollani, Andrea Farolfi, Stefano Fanti

Notice bibliographique

RevueCurrent Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBrachytherapyProstate cancerRadiologyRetrospective cohort studyUltrasoundNuclear medicineCancerProstateMedical physicsRadiation therapyOncologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Focal therapy offers a promising approach for treating localized prostate cancer (PC) with minimal invasiveness and potential cost benefits. High-intensity focused ultrasound (HIFU) and brachytherapy (BT) are among these options but lack long-term efficacy data. Patient follow-ups typically use biopsies and multiparametric MRI (mpMRI), which often miss recurrences. PET/CT with PSMA has emerged as a promising tool for detecting residual disease or recurrence post-treatment, offering higher sensitivity and specificity than traditional imaging. We retrospectively reviewed patients who underwent [68Ga]Ga-PSMA-11 PET/CT for biochemical recurrence (BCR) after HIFU or brachytherapy from 2016 to 2024. Out of 22 patients, 32% had HIFU and 68% had brachytherapy. The median time from treatment to PET scan was 77 months, with a median PSA level of 3 ng/mL. [68Ga]Ga-PSMA-11 PET/CT identified PC recurrence in 63.6% of cases. Of these, 50% showed prostate recurrence, 14% had lymph node involvement, and 28% had metastatic disease. Focal therapies like HIFU and brachytherapy are effective and minimally invasive options for localized PC. [68Ga]Ga-PSMA-11 PET/CT is valuable for detecting recurrence or residual disease, enhancing post-treatment surveillance.

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)0,003
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,166
Tête enseignante GPT0,473
Écart entre enseignants0,307 · 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 revueCurrent Oncology→Même sujetProstate Cancer Treatment and Research→Travaux en français237 207→