Occult liver nodules: their detection and characterization with CEUS
Notice bibliographique
Résumé
Abstract Objectives Contrast enhanced ultrasound (CEUS) now joins the ranks of CT and MRI for noninvasive diagnosis of hepatocellular carcinoma (HCC). CEUS LI-RADS provides greater than 95% specificity for diagnosis within LR-5. Unlike CT/MRI, CEUS is nodule based. Currently, LI-RADS does not recommend CEUS of nodules occult or invisible on pre-contrast ultrasound except by experts. This study addresses our ability to find occult nodules using CEUS and characterize them with CEUS LI-RADS. Methods 100 patients at risk for HCC, 81 with cirrhosis, with occult lesions were retrospectively identified from our archived patient logs. All patients had CEUS examination. Three specialized CEUS techniques (blindshot injection, portal venous (PVP) sweep of the liver, and on-top injection) are used to evaluate nodules. Results There were 114 occult lesions in 100 patients. The origin of 78(68%) lesions was an MRI (n = 69) or CT scan (n = 9) with an observation of abnormal enhancement, generally arterial phase hyperenhancement (APHE). All these patients had blindshot CEUS injection looking for a correlate with APHE. The remainder of occult lesions (n = 36)(32%) were first detected during CEUS, generally as washout foci on PVP sweeps or incidental APHE or washout nearby other targets. All washout areas had subsequent on-top injection to assess for APHE. Application of CEUS LI-RADS algorithm categorized 26 LR-5, 34 LR-4, and 5 LR-M. CEUS upgraded LI-RADS category of 24/50(48%) occult lesions reported on CT/MRI. 29(25%) occult lesions were offered treatment and from categories LR-5 and LR-M, 5 had biopsy confirmation and 15 were treated. From both sources, MR/CT and CEUS, there were 12 occult lesions scanned for treatment response, categorized as 7 LR-TR viable, 1 LR-TR nonviable, and 4 LR-TR equivocal on CEUS. Conclusion Our study shows we can find and characterize occult nodules using CEUS techniques and CEUS LI-RADS algorithm, with positive impact on clinical management.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».