Unified Magnifying Endoscopic Classification (UMEC) of Gastrointestinal Lesions: A North American Validation Study
Notice bibliographique
Résumé
Background and study aim: Magnifying endoscopy enables the diagnosis of advanced neoplasia throughout the gastrointestinal tract. The unified magnifying endoscopic classification (UMEC) framework unifies optical diagnosis criteria in the esophagus, stomach, and colon, dividing lesions into three categories: non-neoplastic, intramucosal neoplasia, and deep submucosal invasive cancer. This study aims to ascertain the performance of North American endoscopists when using the UMEC. Methods: In this retrospective cohort study, five North American endoscopists without prior training in magnifying endoscopy independently diagnosed images of gastrointestinal tract lesions using UMEC. All endoscopists were blinded to endoscopic findings and histopathological diagnosis. Using histopathology as the gold standard, the endoscopists' diagnostic performances using UMEC were evaluated. Results: A total of 299 lesions (77 esophagus, 92 stomach, and 130 colon) were assessed. For esophageal squamous cell carcinoma, the sensitivity, specificity, and accuracy ranged from 65.2% (95%CI: 50.9-77.9) to 87.0% (95%CI: 75.3-94.6), 77.4% (95%CI: 60.9-89.6) to 96.8% (95%CI: 86.8-99.8), and 75.3% to 87.0%, respectively. For gastric adenocarcinoma, the sensitivity, specificity, and accuracy ranged from 94.9% (95%CI: 85.0-99.1) to 100%, 52.9% (95%CI: 39.4-66.2) to 92.2% (95%CI: 82.7-97.5), and 73.3% to 93.3%. For colorectal adenocarcinoma, the sensitivity, specificity, and accuracy ranged from 76.2% (95%CI: 62.0-87.3) to 83.3% (95%CI: 70.3-92.5), 89.7% (95%CI: 82.1-94.9) to 97.7% (95%CI: 93.1-99.6), and 86.8% to 90.7%. Intraclass correlation coefficients indicated good to excellent reliability. Conclusion: UMEC is a simple classification that may be used to introduce endoscopists to magnifying narrow-band imaging and optical diagnosis, yielding satisfactory diagnostic accuracy.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».