Differentiated thyroid cancer and positron emission computed tomography: when, how and why?
Notice bibliographique
Résumé
INTRODUCTION: Fluorodeoxyglucose positron emission tomography/computed tomography (FDG PET/CT) has become an indispensable tool in oncology, offering both metabolic and anatomical insights into tumor behavior. Most differentiated thyroid carcinomas (DTC) are indolent and therefore FDG PET/CT is not routinely incorporated into management. However, in biologically aggressive DTCs, FDG PET/CT plays a crucial role in detecting recurrence and metastases. AREAS COVERED: This narrative review with articles from the last 25 years from PubMed database, explores the evolving role of FDG PET/CT, focusing on its utility in recurrence detection, staging, and follow-up of radioactive iodine (RAI)-refractory cases. Current guidelines recommend FDG PET/CT primarily for high-risk patients with elevated thyroglobulin levels and negative RAI scans (TENIS syndrome). We also examine advancements in PET imaging, novel radiotracers and theragnostic approaches that enhance diagnostic accuracy and treatment monitoring. EXPERT OPINION: While FDG PET/CT has proven valuable in biologically aggressive DTC, its routine use remains limited by cost, accessibility, and concerns regarding radiation exposure in younger patients requiring repeated imaging studies. Future developments in molecular imaging, including novel tracers and artificial intelligence-driven analysis, are expected to refine its role, leading to more personalized and effective management, though economic and reimbursement challenges remain important considerations for broader adoption.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,000 |
| 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 ».