Diagnostics Accuracy of Magnetic Resonance Imaging in Detection of Atherosclerotic Plaque Characteristics in Carotid Arteries Compared to Histology: A Systematic Review
Notice bibliographique
Résumé
Carotid plaque composition represents one of the main risk factors of future ischemic stroke. MRI provides excellent soft tissue contrast that can distinguish plaque characteristics. Our objective was to analyze the diagnostic accuracy of MRI imaging in the detection of carotid plaque characteristics compared to histology in patients with symptomatic and asymptomatic carotid atherosclerosis through a systematic review. After prospective registration in PROSPERO (ID CRD42022329690), Medline Ovid, Embase.com, Cochrane Library, and Web of Science Core were searched without any search limitation up to May 27, 2022 to identify eligible articles. Of the 8168 studies, 53 (37 × 1.5 T MRI, 17 × 3 T MRI) evaluated MRI accuracy in the detection of 13 specific carotid plaque characteristics in 169 comparisons. MRI demonstrated high diagnostic accuracy for detection of calcification (3 T MRI: mean sensitivity 92%/mean specificity 90%; 1.5 T MRI: mean sensitivity 81%/mean specificity 91%), fibrous cap (1.5 T: 89%/87%), unstable plaque (1.5 T: 89%/87%), intraplaque hemorrhage (1.5 T: 86%/88%), and lipid-rich necrotic core (1.5 T: 89%/79%). MRI also proved to have a high level of tissue discrimination for the carotid plaque characteristics investigated, allowing potentially for a better risk assessment and follow-up of patients who may benefit from more aggressive treatments. These results emphasize the role of MRI as the first-line imaging modality for comprehensive assessment of carotid plaque morphology, particularly for unstable plaque. EVIDENCE LEVEL: 2 TECHNICAL EFFICACY: Stage 2.
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 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».