Beyond Breast Density: Risk Measures for Breast Cancer in Multiple Imaging Modalities
Notice bibliographique
Résumé
Breast density is an independent risk factor for breast cancer. In digital mammography and digital breast tomosynthesis, breast density is assessed visually using the four-category scale developed by the American College of Radiology Breast Imaging Reporting and Data System (5th edition as of November 2022). Epidemiologically based risk models, such as the Tyrer-Cuzick model (version 8), demonstrate superior modeling performance when mammographic density is incorporated. Beyond just density, a separate mammographic measure of breast cancer risk is parenchymal textural complexity. With advancements in radiomics and deep learning, mammographic textural patterns can be assessed quantitatively and incorporated into risk models. Other supplemental screening modalities, such as breast US and MRI, offer independent risk measures complementary to those derived from mammography. Breast US allows the two components of fibroglandular tissue (stromal and glandular) to be visualized separately in a manner that is not possible with mammography. A higher glandular component at screening breast US is associated with higher risk. With MRI, a higher background parenchymal enhancement of the fibroglandular tissue has also emerged as an imaging marker for risk assessment. Imaging markers observed at mammography, US, and MRI are powerful tools in refining breast cancer risk prediction, beyond mammographic density alone.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».