The diagnostic performance of ultrafast MRI to differentiate benign from malignant breast lesions: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVES: To assess the diagnostic performance of ultrafast magnetic resonance imaging (UF-DCE MRI) in differentiating benign from malignant breast lesions. MATERIALS AND METHODS: A comprehensive search was conducted until September 1, 2023, in Medline, Embase, and Cochrane databases. Clinical studies evaluating the diagnostic performance of UF-DCE MRI in breast lesion stratification were screened and included in the meta-analysis. Pooled summary estimates for sensitivity, specificity, diagnostic odds ratio (DOR), and hierarchic summary operating characteristics (SROC) curves were pooled under the random-effects model. Publication bias and heterogeneity between studies were calculated. RESULTS: A final set of 16 studies analyzing 2090 lesions met the inclusion criteria and were incorporated into the meta-analysis. Using UF-DCE MRI kinetic parameters, the pooled sensitivity, specificity, DOR, and area under the curve (AUC) for differentiating benign from malignant breast lesions were 83% (95% CI 79-88%), 77% (95% CI 72-83%), 18.9 (95% CI 13.7-26.2), and 0.876 (95% CI 0.83-0.887), respectively. We found no significant difference in diagnostic accuracy between the two main UF-DCE MRI kinetic parameters, maximum slope (MS) and time to enhancement (TTE). DOR and SROC exhibited low heterogeneity across the included studies. No evidence of publication bias was identified (p = 0.585). CONCLUSIONS: UF-DCE MRI as a stand-alone technique has high accuracy in discriminating benign from malignant breast lesions. CLINICAL RELEVANCE STATEMENT: UF-DCE MRI has the potential to obtain kinetic information and stratify breast lesions accurately while decreasing scan times, which may offer significant benefit to patients. KEY POINTS: • Ultrafast breast MRI is a novel technique which captures kinetic information with very high temporal resolution. • The kinetic parameters of ultrafast breast MRI demonstrate a high level of accuracy in distinguishing between benign and malignant breast lesions. • There is no significant difference in accuracy between maximum slope and time to enhancement kinetic parameters.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».