LI‐RADS (Liver Imaging Reporting and Data System): Summary, discussion, and consensus of the LI‐RADS Management Working Group and future directions
Notice bibliographique
Résumé
To improve standardization and consensus regarding performance, interpreting, and reporting computed tomography (CT) and magnetic resonance imaging (MRI) examinations of the liver in patients at risk for hepatocellular carcinoma (HCC), LI-RADS (Liver Imaging Reporting and Data System) was launched in March 2011 and adopted by many clinical practices throughout the world. LI-RADS categorizes nodules recognized at CT or MRI, in patients at high risk of HCC, as definitively benign, probably benign, intermediate probability of being HCC, probably HCC, and definitively HCC (corresponding to LI-RADS categories 1-5). The LI-RADS Management Working Group, consisting of internationally recognized medical and surgical experts on HCC management, as well as radiologists involved in the development of LI-RADS, was convened to evaluate management implications related to radiological categorization of the estimated probability that a lesion will be ultimately diagnosed as HCC. In this commentary, we briefly review LI-RADS and the initial consensus of the LI-RADS Management Working Group reached during its deliberations in 2013. We then focus on initial discordance of LI-RADS with American Association for the Study of Liver Diseases and Organ Procurement Transplant Network guidelines, the basis for these differences, and how they are being addressed going forward to optimize reporting of CT and MRI findings in patients at risk for HCC and to increase consensus throughout the international community of physicians involved in the diagnosis and treatment of HCC.
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 | 0,090 | 0,197 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,012 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 ».