Inter‐Reader Agreement for Contrast‐Enhanced Ultrasound Liver Imaging Reporting and Data System Major Features and Final Categorization
Notice bibliographique
Résumé
OBJECTIVES: Contrast-enhanced ultrasound (CEUS) Liver Imaging Reporting and Data System (LI-RADS) is used to definitively diagnose hepatocellular carcinoma (HCC) in patients at risk. However, the user variability associated with CEUS LI-RADS has not been validated in North American and European patients. This study aims to evaluate the inter-reader agreements of CEUS LI-RADS features for, and final categorization of, HCC in patients at risk. METHODS: This retrospective multicenter clinical study used the database of a previous prospective multinational study, evaluating the accuracy of CEUS LI-RADS for HCC diagnosis in patients at risk. All cases were first evaluated by a site physician performing/supervising the CEUS examination. Randomly selected cases were re-evaluated by a blinded central reader. Final diagnosis was confirmed with the reference standard, which was a composite of imaging tests and histology. Cohen's kappa test was used to evaluate inter-reader agreement. RESULTS: This study included 150 liver nodules and 58.0% (87/150) were confirmed as HCC, 4.7% (7/150) non-HCC malignancies, 22.7% (34/150) had no confirmed final diagnosis, and 14.7% (22/150) were nonmalignant. Inter-reader agreements were substantial for CEUS LI-RADS categorization (κ = 0.61; 95% confidence interval [CI]: 0.51-0.71) and major features assessment (ranged κ = 0.64-0.78), LR-5 (κ = 0.65; 95% CI: 0.52-0.77), and LR-M (κ = 0.67; 95% CI: 0.44-0.90), while for LR-1 and LR-2 categorization was almost perfect (κ = 0.85; 95% CI: 0.65-1.00). CONCLUSION: Our study reported a substantial inter-reader agreement for overall CEUS LI-RADS categorization, especially for LR-5 and LR-M, and major imaging features of HCC, further confirming CEUS LI-RADS as a valuable and reliable tool for diagnosis of HCC.
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 | 0,072 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».