Diagnostic Accuracy of MRI for Detecting Inferior Vena Cava Wall Invasion in Renal Cell Carcinoma Tumor Thrombus Using Quantitative and Subjective Analysis
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study is to evaluate MRI in inferior vena cava (IVC) renal cell carcinoma (RCC) tumor thrombus for the diagnosis of caval wall invasion. MATERIALS AND METHODS: This retrospective case-control study evaluated 24 consecutive patients who underwent thrombectomy for RCC IVC tumor thrombus (11 [45.8%] with invasion) seen at preoperative MRI. A blinded radiologist segmented tumor thrombus on apparent diffusion coefficient (ADC) maps and T2-weighted images for texture analysis, measured the diameter of the renal vein and IVC at the level of the renal vein ostium, and measured the craniocaudal extent and volume of the tumor thrombus. Two blinded radiologists independently evaluated the margin of the tumor thrombus (smooth vs irregular), thinning or thickening and abnormal T2-weighted signal or enhancement of the IVC wall, and overall impression of invasion. Comparisons were performed using logistic regression models and chi-square with accuracy calculated using ROC. RESULTS: ; p = 0.003) than did thrombi without invasion. The ROC AUC ranged from 0.78 to 0.83. ADC and texture parameters were not significantly different between groups (p = 0.208-0.503); however, larger entropy in invasive tumor thrombus trended toward significance (p = 0.061). A model combining volume, entropy, and overall impression achieved an AUC of 0.91 (95% CI, 0.77-1.0). CONCLUSION: The combination of tumor thrombus volume with entropy and subjective overall impression of IVC wall invasion achieved the highest accuracy for diagnosis.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».