Update on <scp>MRI</scp> of Cystic Renal Masses Including Bosniak Version 2019
Notice bibliographique
Résumé
Incidental cystic renal masses are common, usually benign, and almost always indolent. Since 1986, the Bosniak classification has been used to express the risk of malignancy in a cystic renal mass detected at imaging. Historically, magnetic resonance imaging (MRI) was not included in that classification. The proposed Bosniak v.2019 update has formally incorporated MRI, included definitions of imaging terms designed to improve interobserver agreement and specificity for malignancy, and incorporated a variety of masses that were incompletely defined or not included in the original classification. For example, at unenhanced MRI, homogeneous masses markedly hyperintense at T 2 ‐weighted imaging (similar to cerebrospinal fluid) and homogeneous masses markedly hyperintense at fat suppressed T 1 ‐weighted imaging (approximately ≥2.5 times more intense than adjacent renal parenchyma) are classified as Bosniak II and may be safely ignored, even when they have not been imaged with a complete renal mass MRI protocol. MRI has specific advantages and is recommended to evaluate masses that at computed tomography (CT) 1) have abundant thick or nodular calcifications; 2) are homogeneous, hyperattenuating, ≥3 cm, and nonenhancing; or 3) are heterogeneous and nonenhancing. Although MRI is generally excellent for characterizing cystic renal masses, there are unique weaknesses of MRI that bear consideration. These details and others related to MRI of cystic renal masses are described in this review, with an emphasis on Bosniak v.2019. A website ( https://bosniak-calculator.herokuapp.com/ ) and mobile phone apps named “Bosniak Calculator” have been developed for ease of assignment of Bosniak classes. Level of Evidence 5 Technical Efficacy Stage 3
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».