Metabolic Imaging as Future Technology and Innovation in Brain-Tumour Surgery: A Systematic Review
Notice bibliographique
Résumé
Background: Standard imaging in neurosurgery often fails to visualize infiltrative tumor regions that extend beyond contrast enhancement. Metabolic imaging using hyperpolarized 13C-MRI may offer new intraoperative insights into tumor biology. Objective: To systematically assess the clinical and technical evidence on hyperpolarized MRI for metabolic tumour characterization in patients with malignant brain tumors. Eligibility criteria: We included original human studies reporting on hyperpolarized 13C-MRI for perioperative and diagnostic use in brain tumor patients. Reviews, animal studies, and technical-only reports were excluded. Information sources: Searches were conducted in PubMed, Embase, and Web of Science on 26 December 2024. Risk of bias: Methodological quality was assessed using the QUADAS-2 tool. Synthesis of results: A qualitative synthesis was performed, and where feasible, random-effects meta-analysis was used to calculate standardized mean differences (SMDs) and heterogeneity statistics. Results: Three studies (n = 15 patients) met inclusion criteria. The bicarbonate-to-pyruvate ratio showed a significant difference between tumor and non-tumour brain (SMD = 1.34, p = 0.002), whereas pyruvate-to-lactate ratio (kPL) values showed minimal difference (SMD = 0.06, p = 0.730). Asmall effect was observed for kPL between tumor and normal-appearing white matter (SMD = –0.33). One study provided qualitative data only. Overall heterogeneity was high (I2 = 69.4%). Limitations: Limitations include small sample sizes, heterogeneous methodologies, and limited availability of patient-level data. Interpretation: Hyperpolarized 13C-MRI shows metabolic differentiation between tumor and healthy tissue in certain parameters, especially bicarbonate metabolism. While promising, the technology requires further clinical validation before routine intraoperative application.
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 | 0,014 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,011 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».