MétaCan
Menu
← Retour à la cohorte
Enregistrement W2590617369 · doi:10.1200/jco.2015.33.28_suppl.5

Assessing the value of hepatic arterial phase CT imaging in patients with breast cancer.

2015· article· en· W2590617369 sur OpenAlexaff
David Motiuk, Danny Siu‐Chun Ng

Notice bibliographique

RevueJournal of Clinical Oncology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensFoothills Medical Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineBreast cancerRadiologyCancerLiver cancerPopulationMetastasisInternal medicine

Résumé

récupéré en direct d'OpenAlex

5 Background: Hypervascular liver metastases, classically seen in melanoma and other cancers, may be best seen on a hepatic arterial phase (HAP) CT and possibly missed on the standard portal venous phase (PVP). Breast cancer sometimes produces hypervascular liver metastases, but the incidence of this is not well established. Hence, some centers perform biphasic liver CT (HAP + PVP) as standard protocol in breast cancer patients, while others do not. Our center does not include HAP in this patient population; although, it is sometimes protocolled with HAP as per radiologist preference. We sought to determine if the detection for presence or absence of liver metastases is significantly affected by the addition of HAP in breast cancer. Methods: This retrospective study was conducted using a custom search on our Picture Archiving and Communication System for all female patients who received a biphasic liver CT (HAP + PVP) from Mar 2013 - Mar 2015. Inclusion criteria included known breast cancer, liver metastases described on CT report, and follow-up imaging to confirm the finding. A total of 25 CT studies met inclusion criteria. Results: 14/25 (56%) studies demonstrated typical non-hypervascular hepatic metastases. 11/25 (44%) demonstrated hypervascular hepatic lesions. Of these latter, 4/25 (16%) represented hypervascular metastases, while 7/25 (28%) pertained to indeterminate arterial-enhancing lesions called suspicious by the reporting radiologist. Further imaging including MRI, ultrasound, and follow-up CT were recommended in these indeterminate suspicious lesions, all of which confirmed benign entities. Of the 18 studies with true hepatic metastases, the presence of metastatic disease was detectable on the PVP in 18/18 (100%, P< .0001) regardless of the metastases’ hypervascular status. Conclusions: We found hypervascular metastases to be present in 22% (4/18; CI95 [3-41%]) of breast cancer patients with true liver metastases. However, the detection for the presence of hepatic metastases was not improved with the addition of HAP. The HAP instead led to detection of more indeterminate but ultimately benign entities of no clinical significance, thus resulting in unnecessary imaging and arguably greater patient anxiety.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,058
Tête enseignante GPT0,494
Écart entre enseignants0,436 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetRadiomics and Machine Learning in Medical Imaging→Travaux en français237 207→