Dual-Tracer Imaging on a Long–Axial-Field-of-View PET: A Proof-of-Principle Study with [<sup>18</sup>F]FGln and [<sup>18</sup>F]FDG
Notice bibliographique
Résumé
Current protocols necessitate imaging 2 18F-labeled tracers in separate sessions. Herein, we report on the development and testing of a protocol that sequentially images 2 18F-labeled tracers—18F-(2S,4R)4-fluoroglutamine, commonly known as [18F]FGln, and [18F]FDG—in a single session on a long–axial-field-of-view PET scanner to study cancer metabolism. Methods: A single [18F]FGln scan was used to estimate the minimal injected activity and scan duration to calculate an accurate volume of distribution. This was followed by a dual-tracer study in a second patient with a low-dose (41-MBq), shortened (29-min) [18F]FGln scan, followed by a full-dose (394-MBq) [18F]FDG scan for 60 min. Protocol performance was assessed using the resulting kinetic parameters. Results: [18F]FGln subsampling demonstrated stable estimates of volume of distribution with a scan duration of 30 min and a dose of 37 MBq. The dual-tracer [18F]FDG image obtained 60 min after injection was of diagnostic quality, with minimal (6%) residual [18F]FGln signal. Conclusion: This proof-of-principle dual-tracer study demonstrated the feasibility of a [18F]FGln/[18F]FDG protocol that leveraged the high sensitivity of long–axial-field-of-view PET to inject the first tracer at a low dose and the second tracer at a greater dose, overwhelming the signal from the first tracer.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».