Sonographic Appearance of Invasive Ductal Carcinoma of the Breast According to Histologic Grade
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to compare the efficacy of the sonographic features in the BI-RADS lexicon for predicting malignancy grade of invasive ductal breast carcinoma in women assigned a BI-RADS category of 4 or 5. MATERIALS AND METHODS: Two radiologists retrospectively evaluated 299 consecutive cases of grades 1-3 invasive ductal breast carcinoma presenting as a mass in consensus by using the BI-RADS sonographic lexicon. Histologic grade was established on surgical specimens. Effect sizes were calculated via the Goodman and Kruskal tau, an asymmetric measure of strength of nominal association, and results were interpreted in terms of proportional reduction in error. RESULTS: Thirty-eight lesions (13%) were grade 1, 153 (51%) were grade 2, and 108 (36%) were grade 3, with the majority of all masses showing an irregular shape (84%) and hypoechoic echotexture (82%). Of the sonographic features examined, malignancy grade was best predicted by posterior acoustics (τ = 0.13, p < 0.001), lesion boundary (τ = 0.05, p < 0.001), and margin (τ = 0.04, p = 0.001). Among grade 3 lesions, there were significantly more lesions with posterior enhancement (53 vs 27.6; adjusted standardized residuals (z(res)) = 7; p < 0.001), abrupt interfaces (68 vs 51.2; z(res) = 4; p < 0.001), and microlobulated margins (12 vs 5.8; z(res) = 3; p = 0.001) than would be expected. CONCLUSION: Malignancy grade was slightly to moderately predicted by margin, lesion boundary, and acoustic sonographic features. In particular, grade 3 invasive ductal breast carcinomas were more likely than expected to display microlobulated margins, abrupt interfaces, and posterior enhancement.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».