Modifying <scp>LI‐RADS</scp> on Gadoxetate Disodium‐Enhanced <scp>MRI</scp>: A Secondary Analysis of a Prospective Observational Study
Notice bibliographique
Résumé
BACKGROUND: The Liver Imaging Reporting and Data System (LI-RADS) is widely used for diagnosing hepatocellular carcinoma (HCC), however, with unsatisfactory sensitivity, complex ancillary features, and inadequate integration with gadoxetate disodium (EOB)-enhanced MRI. PURPOSE: To modify LI-RADS (mLI-RADS) on EOB-MRI. STUDY TYPE: Secondary analysis of a prospective observational study. POPULATION: Between July 2015 and September 2018, 224 consecutive high-risk patients (median age, 51 years; range, 26-83; 180 men; training/testing sets: 169/55 patients) with 742 (median size, 13 mm; interquartile range, 7-27; 498 HCCs) LR-3/4/5 observations. FIELD STRENGTH/SEQUENCE: -weighted gradient echo sequences. ASSESSMENT: Three radiologists (with 5, 5, and 10 years of experience in liver MR imaging, respectively) blinded to the reference standard (histopathology or imaging follow-up) reviewed all MR images independently. In the training set, the optimal LI-RADS version 2018 (v2018) features selected by Random Forest analysis were used to develop mLI-RADS via decision tree analysis. STATISTICAL TESTS: In an independent testing set, diagnostic performances of mLI-RADS, LI-RADS v2018, and the Korean Liver Cancer Association (KLCA) guidelines were computed using a generalized estimating equation model and compared with McNemar's test. A two-tailed P < 0.05 was statistically significant. RESULTS: Five features (nonperipheral "washout," restricted diffusion, nonrim arterial phase hyperenhancement [APHE], mild-moderate T2 hyperintensity, and transitional phase hypointensity) constituted mLI-RADS, and mLR-5 was nonperipheral washout coupled with either nonrim APHE or restricted diffusion. In the testing set, mLI-RADS was significantly more sensitive (72%) and accurate (80%) than LI-RADS v2018 (sensitivity, 61%; accuracy 74%; both P < 0.001) and the KLCA guidelines (sensitivity, 64%; accuracy 74%; both P < 0.001), without sacrificing positive predictive value (mLI-RADS, 94%; LI-RADS v2018, 94%; KLCA guidelines, 92%). DATA CONCLUSION: In high-risk patients, the EOB-MRI-based mLI-RADS was simpler and more sensitive for HCC than LI-RADS v2018 while maintaining high positive predictive value. LEVEL OF EVIDENCE: 2 TECHNICAL EFFICACY: Stage 2.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».