MétaCan
Menu
Retour à la cohorte
Enregistrement W4320880070 · doi:10.1186/s40644-023-00531-4

Detection of solid and subsolid pulmonary nodules with lung MRI: performance of UTE, T1 gradient-echo, and single-shot T2 fast spin echo

2023· article· en· W4320880070 sur OpenAlexaff
Felipe Sánchez Tijmes, Pascal N. Tyrrell, Patrick Cheung, Chris Heyn, Simon J. Graham, Ian Poon, Yee Ung, Alexander V. Louie, May Tsao, Anastasia Oikonomou

Notice bibliographique

RevueCancer Imaging · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensHealth Sciences CentreUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMcNemar's testNuclear medicineNodule (geology)RadiologyLungMagnetic resonance imagingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although MRI is a radiation-free imaging modality, it has historically been limited in lung imaging due to inherent technical restrictions. The aim of this study is to explore the performance of lung MRI in detecting solid and subsolid pulmonary nodules using T1 gradient-echo (GRE) (VIBE, Volumetric interpolated breath-hold examination), ultrashort time echo (UTE) and T2 Fast Spin Echo (HASTE, Half fourier Single-shot Turbo spin-Echo). METHODS: Patients underwent a lung MRI in a 3 T scanner as part of a prospective research project. A baseline Chest CT was obtained as part of their standard of care. Nodules were identified and measured on the baseline CT and categorized according to their density (solid and subsolid) and size (> 4 mm/ ≤ 4 mm). Nodules seen on the baseline CT were classified as present or absent on the different MRI sequences by two thoracic radiologists independently. Interobserver agreement was determined using the simple Kappa coefficient. Paired differences were compared using nonparametric Mann-Whitney U tests. The McNemar test was used to evaluate paired differences in nodule detection between MRI sequences. RESULTS: Thirty-six patients were prospectively enrolled. One hundred forty-nine nodules (100 solid/49 subsolid) with mean size 10.8 mm (SD = 9.4) were included in the analysis. There was substantial interobserver agreement (k = 0.7, p = 0.05). Detection for all nodules, solid and subsolid nodules was respectively; UTE: 71.8%/71.0%/73.5%; VIBE: 61.6%/65%/55.1%; HASTE 72.4%/72.2%/72.7%. Detection rate was higher for nodules > 4 mm in all groups: UTE 90.2%/93.4%/85.4%, VIBE 78.4%/88.5%/63.4%, HASTE 89.4%/93.8%/83.8%. Detection of lesions ≤4 mm was low for all sequences. UTE and HASTE performed significantly better than VIBE for detection of all nodules and subsolid nodules (diff = 18.4 and 17.6%, p = < 0.01 and p = 0.03, respectively). There was no significant difference between UTE and HASTE. There were no significant differences amongst MRI sequences for solid nodules. CONCLUSIONS: Lung MRI shows adequate performance for the detection of solid and subsolid pulmonary nodules larger than 4 mm and can serve as a promising radiation-free alternative to CT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,282
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ImagingMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207