Resolution of indeterminate MRI with CEUS in patients at high risk for hepatocellular carcinoma
Notice bibliographique
Résumé
PURPOSE: To show the contribution of CEUS to characterization of indeterminate MRI observations in high-risk patients for hepatocellular carcinoma (HCC). METHODS: From July to December 2015, 42 consecutive patients referred to CEUS with indeterminate MRI scans comprise our study cohort. There are 50 indeterminate nodule-like observations and 10 arterial phase hyperenhancing foci, suggesting pseudolesions/arterio-portal shunts. MRI and CEUS lesions are classified according to their enhancement features in all phases and Liver Imaging and Reporting Data System (LI-RADS) in a blind read format. Clinical pathologic correlation and 24 months follow-up are performed. RESULTS: A majority, 37/50 (74%), of indeterminate nodule-like observations have arterial phase enhancement without washout on MRI. CEUS further characterizes enhancement and shows washout in 14/37 (38%). In total, CEUS diagnoses 16 malignant lesions in 14 patients including 14 HCC and 2 ICC. 12/16 (75%) malignant lesions are confirmed by biopsy or follow-up. Ultrasound identification of a nodule differentiates real nodules from pseudolesions. Of the ten suspected arterial-portal shunts on MRI, two show a real nodule on ultrasound, confirmed as an HCC and a regenerative nodule. 15/42 (36%) patients have LI-RADS escalated from LR-3 or 4 on MRI to LR-4 or 5 on CEUS. Overall, the sensitivity of CEUS is (13/16) 81.3% and specificity is (37/37) 100% for malignant diagnosis. CONCLUSION: Grayscale ultrasound detects true nodules. Dynamic CEUS detects and characterizes washout, correctly predicting HCC. CEUS is complimentary to MRI and can serve as a problem-solving tool when MRI is indeterminate.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».