MétaCan
Menu
Retour à la cohorte
Enregistrement W4407161206 · doi:10.1093/bjr/tqaf020

Clinical and research applications of fibroblast activation protein-α inhibitor tracers: a review

2025· review· en· W4407161206 sur OpenAlexaff
Mélanie Desaulniers, Étienne Rousseau, Kim M. Pabst

Notice bibliographique

RevueBritish Journal of Radiology · 2025
Typereview
Langueen
DomaineMedicine
ThématiquePeptidase Inhibition and Analysis
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalCentre Hospitalier Universitaire de SherbrookeUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésFibroblast activation protein, alphaMedicineNuclear medicineLesionClinical trialRadioligandPET-CTRadiologyCancer researchCancerPathologyPositron emission tomographyInternal medicine

Résumé

récupéré en direct d'OpenAlex

In the last decade, fibroblast activation protein-α inhibitors (FAPIs), which target the cancer-associated fibroblasts of the tumour microenvironment, have become a topic of great interest. In oncology, FAPI PET/CT imaging has repeatedly demonstrated a higher lesion detection rate than other conventional imaging modalities such as CT or 18F-FDG PET/CT for several tumours. In some cases, the initial staging and therapeutic management may even change. Some FAPI radioligands may also be labelled with therapeutic radionuclides for theranostic applications. It is thus possible to treat certain metastatic cancers with FAPI radioligand therapy (FAPI-RLT), which is generally well tolerated with little toxicity. Recently, new FAPIs have been developed with the particularity of having a higher binding affinity for the target, which further improves the lesion detection rate on PET/CT and clinical outcomes following FAPI-RLT. This review provides recent updates in the clinical use of FAPI PET/CT and FAPI-RLT and discusses potential emergent applications, including in inflammation imaging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,078
Tête enseignante GPT0,454
Écart entre enseignants0,376 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations13
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of RadiologyMême sujetPeptidase Inhibition and AnalysisTravaux en français237 207