MétaCan
Menu
Retour à la cohorte
Enregistrement W2321993359 · doi:10.1097/ruq.0b013e318239422e

Differentiation of Benign From Malignant Liver Masses With Acoustic Radiation Force Impulse Technique

2011· article· en· W2321993359 sur OpenAlexaff
Hojun Yu, Stephanie R. Wilson

Notice bibliographique

RevueUltrasound Quarterly · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineImpulse (physics)Acoustic radiation forceRadiationRadiologyPathologyOpticsUltrasoundClassical mechanics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of the study was to determine the performance of Acoustic Radiation Force Impulse (ARFI) imaging to differentiate benign from malignant liver masses, both of hepatocellular origin and metastases, by quantification of their stiffness. METHODS: This study has institutional review board approval and informed consent. Eighty-nine patients (42 female and 47 male patients) with 105 liver masses had ARFI evaluation on ultrasound, S2000 (Siemens, Mountain View, Calif). Mean age of the patients was 53.67 years (range, 27-83 years). Mean diameter of the masses was 2.77 cm (range, 1.0-13.0 cm). Final diagnoses, confirmed by imaging on contrast-enhanced computed tomography, magnetic resonance, or ultrasound or biopsy, include hepatocellular carcinoma (n = 28), metastasis (n = 13), hemangioma (n = 35), focal nodular hyperplasia (n = 15), focal fat sparing (n = 8), focal fat deposit (n = 4), and adenoma (n = 2). Receiver operating characteristic analysis was performed to evaluate the diagnostic accuracy of the ARFI measurement and to extract the optimal cutoff values in the differentiation of benign from malignant disease. RESULTS: Acoustic Radiation Force Impulse values showed a statistically significant difference between benign (1.73 [SD, 0.8] m/sec) and malignant masses (2.57 [SD, 1.01] m/sec) (P < 0.001). However, the area under the receiver operating characteristic curve was 0.744, suggesting only fair accuracy. For differentiation of malignant from benign masses, the sensitivity, specificity, positive predictive value, and negative predictive value were 68% (28/41), 69% (44/64), 58% (28/48), and 77% (44/57), respectively, when 1.9 m/sec was chosen as a cutoff value, reflective of a wide variation of ARFI values in each diagnosis. For differentiation of metastasis from benign masses, sensitivity, specificity, positive predictive value, and NPV were 69% (9/13), 89% (57/64), 56% (9/16), and 93% (57/61), respectively, when 2.72 m/sec was chosen as a cutoff value. CONCLUSIONS: Acoustic Radiation Force Impulse measurement may be helpful to differentiate benign masses from metastases, in particular. Otherwise, ARFI measurements alone do not differentiate benign and malignant masses because of variations in stiffness of all types of masses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUltrasound QuarterlyMême sujetUltrasound Imaging and ElastographyTravaux en français237 207