Preoperative Staging in Women with Known Breast Cancer: Comparison between Digital Breast Tomosynthesis (DBT) and Magnetic Resonance Imaging (MRI)
Notice bibliographique
Résumé
Objectives To prospectively evaluate the accuracy in tumor extent and size assessment of Digital Breast Tomosynthesis (DBT) and Magnetic Resonance Imaging (MRI) in women with known breast cancer, with pathological size as the gold standard. Methods From May 2014 to April 2016, 50 patients with known breast cancer were enrolled in our prospective study. All patients underwent MRI on a 3T magnet and DBT projections. Two radiologists, with 15 and 7 years of experience in breast imaging respectively, evaluated in consensus each imaging set unaware of the final histological examination. MR and DBT sensitivity, PPV and accuracy were calculated, using histology as the gold standard. McNemar test was used to compare MR and DBT sensitivity. Correlation and regression analyses were used to evaluate MRI vs Histology, DBT vs Histology and MRI vs DBT lesions tumor size agreement to histological results. Results On histological examination 70 lesions were detected. MRI showed 100% sensitivity, 96% PPV and 96% accuracy; DBT sensitivity was 81%, PPV 92% and accuracy 77%. McNemar test p-value was 0.0003. Lesions size Pearson correlation coefficient was 0.97 for MRI vs Histology, 0.92 for DBT vs Histology, (p-value<0.0001). MRI vs DBT regression coefficient was 0.83. Conclusions MRI confirmed to be the most accurate imaging technique in preoperative staging of breast cancer. However, DBT showed very good accuracy, sensitivity and tumor size assessment and could be a valid tool for preoperative staging when MRI is contraindicated.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».