[18F]FDG PET/CT Radiomics in Untreated Breast Carcinoma: A Review of the Current State and Future Directions
Notice bibliographique
Résumé
Background/Objectives: [18F]FDG PET/CT radiomics could improve risk stratification in untreated breast carcinoma. Methods: PubMed Central was accessed for full-text English articles (2015–2025) evaluating radiomic features from pretreatment [18F]FDG PET/CT. The Newcastle-Ottawa Scale (NOS) was used to evaluate the risk of bias. Results: Seven studies (1394 patients with a median cohort of about 150 patients) met the inclusion criteria. Radiomics outperformed conventional metabolic measures at predicting pCR to NAC (with the best AUC 0.83 when combining intra- and peritumoral features); differentiating molecular subtypes (AUC 0.856 luminal vs. non-luminal; 0.818 HER2+ vs. HER2−, and 0.888 triple negative vs. others); and assessing androgen receptor (AR) expression. No additional value was found for ER/PR status. Age influenced SUV and texture metrics, especially in triple-negative lesions. Methodological variation was notable: all studies were retrospective, the majority were single-center, only two provided external validation with different protocols of acquisition and segmentation, and at least four distinct software platforms were used for feature extraction and statistical analysis. Conclusions: [18F]FDG PET/CT radiomics shows good potential for predicting neoadjuvant response and molecular profile in breast cancer. However, small, diverse cohorts and non-standardized methodologies limit the evidence. Prospective multicenter studies with standardized acquisition, segmentation and feature extraction are required before clinical use.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».