User and system pitfalls in liver imaging with LI‐RADS
Notice bibliographique
Résumé
The Liver Imaging Reporting and Data System (LI-RADS) is a comprehensive system for standardizing the terminology, technique, interpretation, reporting, and data collection of liver imaging, created specifically for patients at risk for hepatocellular carcinoma. Over the past years, LI-RADS has been progressively implemented into clinical practice, but pitfalls remain related to user error and inherent limitations of the system. User pitfalls include the inappropriate application of LI-RADS to a low-risk patient population, incorrect measurement techniques, inaccurate assumptions about LI-RADS requirements, and improper usage of LI-RADS terminology and categories. System pitfalls include areas of discordance with the Organ Procurement and Transplantation Network (OPTN) as well as pitfalls related to rare ancillary features. This article reviews common user pitfalls in applying LI-RADS v2018 and how to avoid preventable errors and also highlights deficiencies of the current version of LI-RADS and how it might be improved in the future. Level of Evidence:3 Technical Efficacy: Stage 2 J. Magn. Reson. Imaging 2019. J. Magn. Reson. Imaging 2019;50:1673-1686.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».