Contrast-enhanced ultrasound liver imaging reporting and data system: clinical validation in a prospective multinational study in North America and Europe
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The objective of this study is to determine the diagnostic accuracy of the American College of Radiology Contrast-Enhanced Ultrasound (CEUS) Liver Imaging Reporting and Data System LR-5 characterization for HCC diagnosis in North American or European patients. APPROACH AND RESULTS: A prospective multinational cohort study was performed from January 2018 through November 2022 at 11 academic and nonacademic centers in North America and Europe. Patients at risk for HCC with at least 1 liver observation not previously treated, identified on ultrasound (US), or multiphase CT or MRI performed as a part of standard clinical care were eligible for the study. All participants were examined with CEUS of the liver within 4 weeks of CT/MRI or tissue diagnosis to characterize up to 2 liver nodules per participant using ACR CEUS Liver Imaging Reporting and Data System. Definite HCC diagnosis on the initial CT/MRI, imaging follow-up, or histology for CT/MRI-indeterminate nodules were used as reference standards. A total of 545 nodules had confirmed reference standards in 480 patients, 73.8% were HCC, 5.5% were other malignancies, and 20.7% were nonmalignant. The specificity of CEUS LR-5 for HCC was 95.1% (95% CI 90.1%-97.7%), sensitivity 62.9% (95% CI 57.9%-67.7%), positive predictive value 97.3% (95% CI 94.5%-98.7%), and negative predictive value 47.7% (95% CI 41.7%-53.8%). In addition, benign CEUS characterization (LR-1 or LR-2) had 100% specificity and 100% positive predictive value for nonmalignant liver nodules. CONCLUSIONS: CEUS Liver Imaging Reporting and Data System provides an accurate categorization of liver nodules in participants at risk for HCC.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».