Diagnostic Algorithm to Differentiate Benign Atypical Leiomyomas from Malignant Uterine Sarcomas with Diffusion-weighted MRI
Notice bibliographique
Résumé
Background Improving the differentiation of uterine sarcomas from atypical leiomyomas remains a clinical challenge and is needed to avoid inappropriate surgery. Purpose To develop a diagnostic algorithm including diffusion-weighted MRI criteria to differentiate malignant uterine sarcomas from benign atypical leiomyomas. Materials and Methods This case-control retrospective study identified women with an atypical uterine mass at MRI between January 2000 and April 2017, with surgery or MRI follow-up after 1 year or longer. A diagnostic algorithm including T2-weighted MRI and diffusion-weighted imaging (DWI) signal and apparent diffusion coefficient (ADC) values was developed to predict for sarcoma. The training set consisted of 51 sarcomas and 105 leiomyomas. Two external validation sets were used to evaluate interreader reproducibility (16 sarcomas; 26 leiomyomas) and impact of reader experience (29 sarcomas; 30 leiomyomas). Wilson confidence intervals (CIs) were calculated for sensitivity and specificity. Results Evaluated were 156 women (median age, 50 years; interquartile range, 44–63 years). Predictive MRI criteria for malignancy were enlarged lymph nodes or peritoneal implants, high DWI signal greater than that in endometrium, and ADC less than or equal to 0.905 × 10−3 mm2/sec. Conversely, a global or focal area of low T2 signal intensity and a low or an intermediate DWI signal less than that in endometrium or lymph nodes allowed readers to confidently diagnose as benign a uterine mass demonstrating one or more of these signs (P < .001) in 100% cases in all three data sets. The sensitivities and specificities of the algorithm for diagnosis of malignancy were 98% (50 of 51 masses; 95% CI: 90%, 100%) and 94% (99 of 105 masses; 95% CI: 88%, 98%) in the training set; 88% (14 of 16 masses; 95% CI: 64%, 97%) and 100% (26 of 26 masses; 95% CI: 87%, 100%) in the validation set; and 83% (24 of 29 masses; 95% CI: 65%, 92%) and 97% (29 of 30 masses; 95% CI: 83%, 99%) for the less experienced reader, respectively. Conclusion A diagnostic algorithm with predictive features including lymphadenopathy, high diffusion-weighted imaging signal with reference to endometrium, and low apparent diffusion coefficient enabled differentiation of malignant sarcomas from atypical leiomyomas, and it may assist inexperienced readers. © RSNA, 2020 Online supplemental material is available for this article. See also the editorial by Méndez 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».