Suscribirse

Analysis of steroid profiles by mass spectrometry: A new tool for exploring adrenal tumors? - 07/02/21

Is steroid profiling a new tool for exploring adrenal tumors?

Doi : 10.1016/j.ando.2020.12.001 
Sophie Cambos a, , Philippe Chanson b, Antoine Tabarin a, c
a Service d’Endocrinologie, Diabétologie et Maladies Métaboliques, CHU de Bordeaux, Hôpital Haut Lévêque, 33600 Pessac, France 
b Université Paris-Saclay, Inserm, Physiologie et Physiopathologie Endocriniennes, Assistance Publique-Hôpitaux de Paris, Hôpital de Bicêtre, Service d’Endocrinologie et des Maladies de la Reproduction, Centre de Référence des Maladies Rares de l’Hypophyse, Le Kremlin-Bicêtre, France 
c Inserm U1215, Neurocentre Magendie, Université de Bordeaux, 146, Rue Leo-Saignat, 33076 Bordeaux Cedex, France 

Corresponding author.

Bienvenido a EM-consulte, la referencia de los profesionales de la salud.
Artículo gratuito.

Conéctese para beneficiarse!

Abstract

The assay of multiple steroids by mass spectrometry coupled with chromatography, combined with data analysis using an artificial intelligence approach, has become more widely accessible in recent years. Multiple applications for this technology exist for the study of adrenocortical tumors. Taking advantage of the capacity of malignant cortical tumor secretion of non-bioactive precursors, it provides an additional diagnostic approach that can point to the nature of a tumor. These encouraging perspectives have been based to date only on pilot retrospective studies. However, this has changed in 2020 with the publication of data from the EURINE-ACT study. This very large prospective European study provided more nuanced evidence for the benefit of combining the measurement of a panel of steroids with essential imaging tools. This study also facilitated our understanding and provided more precise characterisation of autonomous steroid secretion, particularly in the case of sublinical cortisol-secreting adrenocortical adenomas. This article will focus on our current knowledge on the potential utility of mass spectrometry for diagnosis of both the nature of an adrenal tumors and their secretion.

El texto completo de este artículo está disponible en PDF.

Keywords : Mass spectrometry, Adrenal steroids, Machine learning, Adrenal tumors, Adrenocortical carcinoma, Autonomous cortisol secreting adenoma


Esquema


© 2020  Publicado por Elsevier Masson SAS.
Añadir a mi biblioteca Eliminar de mi biblioteca Imprimir
Exportación

    Exportación citas

  • Fichero

  • Contenido

Vol 82 - N° 1

P. 36-42 - février 2021 Regresar al número
Artículo precedente Artículo precedente
  • Rare diseases of phosphate and calcium metabolism: Crossing glances between nephrology and endocrinology
  • Mélodie Mosca, Julie Bernardor, Sandrine Lemoine, Aurélia Bertholet-Thomas, Justine Bacchetta
| Artículo siguiente Artículo siguiente
  • Non-classical effects of vitamin D: Non-bone effects of vitamin D
  • Antoine-Guy Lopez, Véronique Kerlan, Rachel Desailloud

Bienvenido a EM-consulte, la referencia de los profesionales de la salud.

Mi cuenta


Declaración CNIL

EM-CONSULTE.COM se declara a la CNIL, la declaración N º 1286925.

En virtud de la Ley N º 78-17 del 6 de enero de 1978, relativa a las computadoras, archivos y libertades, usted tiene el derecho de oposición (art.26 de la ley), el acceso (art.34 a 38 Ley), y correcta (artículo 36 de la ley) los datos que le conciernen. Por lo tanto, usted puede pedir que se corrija, complementado, clarificado, actualizado o suprimido información sobre usted que son inexactos, incompletos, engañosos, obsoletos o cuya recogida o de conservación o uso está prohibido.
La información personal sobre los visitantes de nuestro sitio, incluyendo su identidad, son confidenciales.
El jefe del sitio en el honor se compromete a respetar la confidencialidad de los requisitos legales aplicables en Francia y no de revelar dicha información a terceros.


Todo el contenido en este sitio: Copyright © 2025 Elsevier, sus licenciantes y colaboradores. Se reservan todos los derechos, incluidos los de minería de texto y datos, entrenamiento de IA y tecnologías similares. Para todo el contenido de acceso abierto, se aplican los términos de licencia de Creative Commons.