New Prostate MRI Scoring Systems (PI-QUAL, PRECISE, PI-RR, and PI-FAB): <i>AJR</i> Expert Panel Narrative Review
Notice bibliographique
Résumé
Multiparametric MRI (mpMRI), interpreted using PI-RADS, improves the initial detection of clinically significant prostate cancer. Prostate MR image quality has increasingly recognized relevance to the use of mpMRI for prostate cancer diagnosis. Additionally, mpMRI is increasingly used in scenarios beyond initial detection, including active surveillance and assessment for local recurrence after prostatectomy, radiation therapy, or focal therapy. In acknowledgment of these evolving demands, specialized prostate MRI scoring systems beyond PI-RADS have emerged to address distinct scenarios and unmet needs. Examples include Prostate Imaging Quality (PIQUAL) for assessment of image quality of mpMRI, Prostate Cancer Radiological Estimation of Change in Sequential Evaluation (PRECISE) recommendations for evaluation of serial mpMRI examinations during active surveillance, Prostate Imaging for Recurrence Reporting (PI-RR) system for assessment for local recurrence after prostatectomy or radiation therapy, and Prostate Imaging after Focal Ablation (PI-FAB) for assessment for local recurrence after focal therapy. These systems' development and early uptake signal a compelling shift toward prostate MRI standardization in different scenarios, and ongoing research will help refine their roles in practice. This AJR Expert Panel Narrative Review critically examines these new prostate MRI scoring systems (PI-QUAL, PRECISE, PI-RR, and PI-FAB), analyzing the available evidence, delineating current limitations, and proposing solutions for improvement.
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 | 0,011 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».