Reducing Unnecessary Prostate Multiparametric Magnetic Resonance Imaging by Using Clinical Parameters to Predict Negative and Indeterminate Findings
Notice bibliographique
Résumé
PURPOSE: We sought to develop a triage strategy to reduce negative and indeterminate multiparametric magnetic resonance imaging scans in patients at risk for prostate cancer. MATERIALS AND METHODS: In this retrospective study we evaluated 865 patients with no prior prostate cancer diagnosis who underwent prostate multiparametric magnetic resonance imaging between 2009 and 2017. Age, prostate volume, prostate specific antigen and prostate specific antigen density were assessed as predictors of positive multiparametric magnetic resonance imaging, defined as PI-RADS™ (Prostate Imaging Reporting and Data System) version 2/Likert score 4 or greater. The cohort was split into a training cohort of 605 patients and a validation cohort of 260. The optimal threshold to rule out positive multiparametric magnetic resonance imaging was chosen to achieve a negative predictive value greater than 90%. RESULTS: sensitivity, specificity, positive and negative predictive values were 94%, 29%, 22% and 95%, respectively, resulting in 25% fewer scans (64 of 260). In the multivariate model sensitivity, specificity, positive and negative predictive values were 85%, 32%, 22% and 91%, respectively, resulting in 29% fewer scans (75 of 260). Biopsies in men who would not have undergone multiparametric magnetic resonance imaging according to our proposed strategies revealed 2 clinically significant prostate cancers using prostate specific antigen density and 1 using the multivariate model. CONCLUSIONS: resulted in 25% to 29% fewer multiparametric magnetic resonance imaging scans performed while missing only a minimal number of clinically significant prostate cancers. Further prospective validation is required.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».