18F-FDG PET/CT Semiquantitative and Radiomic Features for Assessing Pathologic Axillary Lymph Node Status in Clinical Stage I–III Breast Cancer Patients: A Systematic Review
Notice bibliographique
Résumé
Purpose: To investigate associations between 18F-FDG-PET/CT semiquantitative and radiomic features with pathologic axillary lymph node (ALN) status in stages I–III breast cancer patients. Methods: A search was conducted across MEDLINE, EMBASE, and CENTRAL databases. Quality assessment was performed with QUADAS-2 and the radiomics quality score (RQS). Descriptive statistical analysis was performed. Results: Most studies were retrospective cohort studies (27/28) and reported only on semiquantitative features (26/28). Most studies were at high risk of bias in patient selection (22/28) and feature extraction (26/28). Semiquantitative features included maximum standardized uptake value (SUVmax), metabolic tumour volume (MTV), and total lesion glycolysis (TLG). Although associations between tumour semiquantitative features and ALN status were reported, the mean/median reported values of tumour SUVmax (3.2–8.6 vs. 2.4–9.4), MTV (2.7–19.2 vs. 1.9–10.5), and TLG (10.6–59.3 vs. 5.6–29.6) in ALN+ vs. ALN− patients were inconsistent between studies. Fourteen studies reported a significantly higher ALN SUVmax in ALN+ patients. Two studies developed models using tumour radiomic features with high accuracy for predicting ALN metastases (81.2% and 80%) but scored low on the RQS. Conclusions: Feature-based analysis of PET/CT demonstrates potential for predicting pathologic ALN status in breast cancer patients. However, establishing a clinically meaningful relationship requires higher quality evidence.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,002 |
| 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 ».