Comparing Micro-Ultrasound to mpMRI in Detecting Clinically Significant Prostate Cancer
Notice bibliographique
Résumé
Objectives To compare the performance of micro-ultrasound (mUS) with multi-parametric magnetic resonance imaging (mpMRI) in detecting clinically significant prostate cancer. Materials and Methods Retrospective data from consecutive patients with any indication for prostate biopsy in 2 academic institutions were included. The operator, blinded to mpMRI, would first scan the prostate and annotate any mUS lesions. All mUS lesions were biopsied. Any mpMRI lesions that did not correspond to mUS lesion upon unblinding were additionally biopsied. Grade group (GG) ≥ 2 was considered clinically significant cancer. The Jeffreys interval method was used to compare performance of mUS with mpMRI with the non-inferiority limit set at −5%. Results Imaging and biopsy were performed in 82 patients with 153 lesions. mUS had similar sensitivity to mpMRI (per-lesion analysis: 78.4% versus 72.5%), but lower specificity, positive predictive value, negative predictive value, and area under the curve. Micro-ultrasound found GG ≥ 2 in 13% of cases missed by mpMRI, while mpMRI found GG ≥ 2 in 11% of cases missed by mUS. The difference 0.020 (95% CI −0.070 to 0.110) was not statistically significant (P = 0.33). Conclusion The sensitivity of mUS in detecting GG ≥ 2 disease was similar to that of mpMRI, but the specificity was lower. Further evaluation with a larger sample size and experienced operators is warranted.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 ».