MétaCan
Menu
Retour à la cohorte
Enregistrement W3158912897 · doi:10.1148/radiol.2021201740

Oncologically Relevant Findings Reporting and Data System (ONCO-RADS): Guidelines for the Acquisition, Interpretation, and Reporting of Whole-Body MRI for Cancer Screening

2021· review· en· W3158912897 sur OpenAlexaff
Giuseppe Petralia, Dow‐Mu Koh, Raj Attariwala, Joseph J. Busch, Rosalind A. Eeles, David S. Karow, Gladys Lo, Christina Messiou, Evis Sala, Hebert Alberto Vargas, Fabio Zugni, Anwar R. Padhani

Notice bibliographique

RevueRadiology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineCancerMedical physicsGeneticistStandardizationRadiologyInternal medicineComputer science

Résumé

récupéré en direct d'OpenAlex

Acknowledging the increasing number of studies describing the use of whole-body MRI for cancer screening, and the increasing number of examinations being performed in patients with known cancers, an international multidisciplinary expert panel of radiologists and a geneticist with subject-specific expertise formulated technical acquisition standards, interpretation criteria, and limitations of whole-body MRI for cancer screening in individuals at higher risk, including those with cancer predisposition syndromes. The Oncologically Relevant Findings Reporting and Data System (ONCO-RADS) proposes a standard protocol for individuals at higher risk, including those with cancer predisposition syndromes. ONCO-RADS emphasizes structured reporting and five assessment categories for the classification of whole-body MRI findings. The ONCO-RADS guidelines are designed to promote standardization and limit variations in the acquisition, interpretation, and reporting of whole-body MRI scans for cancer screening. Published under a CC BY 4.0 license

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0110,006
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0040,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,013

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.

Tête enseignante Opus0,180
Tête enseignante GPT0,489
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207