Radiological response assessment after stereotactic body radiotherapy for spine metastases using magnetic resonance imaging: a systematic review
Notice bibliographique
Résumé
Background and purpose: Magnetic resonance imaging (MRI) plays a central role in evaluating treatment response after stereotactic body radiotherapy (SBRT) for spinal metastases. However, current guidelines focus mainly on conventional MRI sequences and lack standardized, comprehensive criteria for post-treatment assessment. This systematic review aimed to summarize available evidence on MRI-based response assessment following spine SBRT, emphasizing the potential of advanced MRI techniques and computational tools to improve clinical decision-making. Materials and methods: We systematically searched PubMed, Scopus, Web of Science, and Embase from their inception to August 1, 2024. Two reviewers independently screened studies on MRI-based response assessment after SBRT for spinal metastases, evaluated eligibility, and extracted data on MRI techniques, response criteria, imaging biomarkers, and clinical outcomes. Results: , correlated with improved outcomes, including pain relief and local control. Pseudo-progression and intralesional fatty content were identified as key imaging features that may mimic progression. Diffusion-weighted imaging (DWI) and apparent diffusion coefficient (ADC) mapping showed promise as response biomarkers, but lack clinical validation. Radiomics and machine learning models improved predictive accuracy for treatment outcomes and individual follow-up strategies. Conclusions: MRI provides essential morphological and functional biomarkers for response assessment after spine SBRT. Standardized, multi-parametric MRI protocols and computational tools are needed to optimize patient care.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| 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 ».