Liver Imaging Reporting and Data System Contrast-Enhanced US Nonradiation Treatment Response Assessment Version 2024
Notice bibliographique
Résumé
The American College of Radiology Liver Imaging Reporting and Data System (LI-RADS) standardizes the imaging technique, reporting lexicon, disease categorization, and management for patients with or at risk for hepatocellular carcinoma (HCC). LI-RADS encompasses HCC surveillance with US; HCC diagnosis with CT, MRI, or contrast-enhanced US (CEUS); and treatment response assessment (TRA) with CT or MRI. LI-RADS was recently expanded to include CEUS TRA after nonradiation locoregional therapy or surgical resection. This report provides an overview of LI-RADS CEUS Nonradiation TRA v2024, including a lexicon of imaging findings, techniques, and imaging criteria for posttreatment tumor viability assessment. LI-RADS CEUS Nonradiation TRA v2024 takes into consideration differences in the CEUS appearance of viable tumor and posttreatment changes within and in close proximity to a treated lesion. Due to the high sensitivity of CEUS to vascular flow, posttreatment reactive changes commonly manifest as areas of abnormal perilesional enhancement without washout, especially in the first 3 months after treatment. To improve the accuracy of CEUS for nonradiation TRA, different diagnostic criteria are used to evaluate tumor viability within and outside of the treated lesion margin. Broader criteria for intralesional enhancement increase sensitivity for tumor viability detection. Stricter criteria for perilesional enhancement limit miscategorization of posttreatment reactive changes as viable tumor. Finally, the TRA algorithm reconciles intralesional and perilesional tumor viability assessment and assigns a single LI-RADS treatment response (LR-TR) category: LR-TR nonviable, LR-TR equivocal, or LR-TR viable.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».