Diagnostic Value of Diffusion-Weighted Imaging with Background Body Signal Suppression (DWIBS) for the Pre-Therapeutic Loco-Regional Staging of Cervical Cancer: A Feasibility and Interobserver Reliability Study
Notice bibliographique
Résumé
(1) Background: cervical cancer is one of the leading causes of cancer-related deaths and the fourth most common cancer among women worldwide. Magnetic resonance imaging (MRI) is the modality of choice for loco-regional staging of cervical cancer in the primary diagnostic workup beginning with at least stage IB. (2) Methods: we retrospectively analyzed 16 patients with histopathological proven cervical cancer (FIGO IB1−IVA) for the diagnostic accuracy of standard MRI and standard MRI with diffusion-weighted imaging with background body signal suppression (DWIBS) for the correct pre-therapeutic assessment of the definite FIGO category. (3) Results: In 7 out of 32 readings (22%), DWIBS improved diagnostic accuracy. With DWIBS, four (13%) additional readings were assigned the correct major (I−IV) FIGO stages pre-therapeutically. Interobserver reliability of DWIBS was weakest for parametrial infiltration (k = 0.43; CI-95% 0.00−1.00) and perfect for tumor size <2 cm, infiltration of the vaginal lower third, infiltration of adjacent organs and loco-regional nodal metastases (k = 1.000; CI-95% 1.00−1.00). (4) Conclusions: the pre-therapeutic staging of cervical cancer has a high diagnostic accuracy and interobserver reliability when using standard MRI but can be further optimized with the addition of DWIBS sequences when reporting is performed by an experienced radiologist.
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 | 0,018 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».