MRI-based Synthetic CT in the Detection of Structural Lesions in Patients with Suspected Sacroiliitis: Comparison with MRI
Notice bibliographique
Résumé
Background Evaluation of structural lesions in the sacroiliac (SI) joints can improve the accuracy for diagnosis of spondyloarthritis. However, structural lesions, such as erosions, are difficult to assess on routine T1-weighted MRI scans. Purpose To determine the diagnostic performance of MRI-based synthetic CT (sCT) in the depiction of erosions, sclerosis, and ankylosis of the SI joints compared with T1-weighted MRI, with CT as the reference standard. Materials and Methods A prospective study (clinical trial registration no. B670201837885) was performed from February 2019 to November 2019. Adults were referred from a tertiary hospital rheumatology outpatient clinic with clinical suspicion of inflammatory sacroiliitis. MRI and CT of the SI joints were performed on the same day. SCT images were generated from MRI scans using a commercially available deep learning–based image synthesis method. Two readers independently recorded if structural lesions (erosions, sclerosis, and ankylosis) were present on T1-weighted MRI, sCT, and CT scans in different reading sessions, with readers blinded to clinical information and other images. Diagnostic performance of sCT and T1-weighted MRI scans were analyzed using generalized estimating equation models, with consensus results of CT as the reference standard. Results Thirty participants were included (16 men, 14 women; mean age, 40 years ± 10 [standard deviation]). Diagnostic accuracy of sCT was higher than that of T1-weighted MRI for erosion (94% vs 86%, P = .003), sclerosis (97% vs 81%, P < .001), and ankylosis (92% vs 84%, P = .04). With sCT, specificity for erosion detection (96% [95% CI: 90, 98] vs 89% [95% CI: 81, 94], P = .01] and sensitivity for detection of sclerosis [94% [95% CI: 87, 97] vs 20% [95% CI: 10, 35], P < .001] and ankylosis (93% [95% CI: 78, 98] vs 70% [95% CI: 47, 87], P = .001) were improved. Conclusion With CT as the reference standard, synthetic CT of the sacroiliac joints has better diagnostic performance in the detection of structural lesions in individuals suspected of having sacroiliitis compared with routine T1-weighted MRI. © RSNA, 2020 Online supplemental material is available for this article. See also the editorial by Fritz in this issue.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».