Prognostic Value of Multiple Manual Segmentation Methods for Diffuse Large B-Cell Lymphoma with 18F-FDG PET/CT
Notice bibliographique
Résumé
Quantitative 18F-FDG PET/CT-derived metabolic metrics are strongly associated with patient outcomes in diffuse large B-cell lymphoma (DLBCL), but the lack of consensus on optimal segmentation thresholds limits standardization. This study evaluated the prognostic value of various metabolic tumor volume (MTV) segmentation approaches in 140 stage II–IV DLBCL patients treated with standard immunochemotherapy. MTV was derived using fixed SUV (≥2.5, ≥4.0), relative (>41% SUVmax), and adaptive (liver-to-background) thresholds. Baseline MTV metrics significantly correlated with 3-year overall survival (OS3) in univariate analysis in overall cohort, with MTV41 showing the strongest association (HR: 1.27; p = 0.003). MTV25 and MTV41 remained significant in the stage 4 patient subgroup. However, in multivariate analysis, no MTV metric independently predicted OS3 when adjusted for the International Prognostic Index (IPI), which remained the dominant predictor (HR: 1.95; p < 0.0001). ROC analysis confirmed superior AUC for IPI (0.76) over PET-based metrics (0.64–0.69). Predictive models integrating IPI with PET metrics were robust but failed to improve prognostic accuracy beyond IPI alone. Although PET-derived MTV metrics provide prognostic value in univariate analysis, threshold selection has minimal impact, and their added value is limited when combined with IPI, reinforcing its role as the most reliable survival predictor in DLBCL.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».