MRI in Prostate Cancer Screening: A Review and Recommendations, From the <i>AJR</i> Special Series on Screening
Notice bibliographique
Résumé
Traditional PSA-based screening for prostate cancer (PCa) is challenged by an unfavorable benefit-to-harm ratio from underdiagnosis of clinically significant cancers, overdiagnosis of indolent cancers, and unnecessary biopsies, despite demonstrated reductions in PCa-associated mortality. Inclusion of MRI in screening algorithms helps address these limitations by improving risk stratification of men suspected of having PCa and by enabling targeted biopsies. The impact of MRI-based strategies on screening's benefit-to-harm ratio can be objectively assessed using ratios reflecting clinically significant cancers detected, indolent cancers detected, unproductive biopsies, and avoided biopsies. Of two overarching MRI-based screening strategies (sequential MRI after PSA testing and MRI alone), the sequential strategy is favored as a balanced and scalable approach. This Special Series Review provides a detailed analysis of the role of MRI in PCa screening, targeted to radiologists. Recommendations are provided for optimizing the use of MRI in PCa screening, including individualized risk assessments, tailored protocols, quality assurance for ensuring reliable and reproducible results, and consideration of new screening-specific scoring systems and biopsy thresholds. Ultimately, successful integration of MRI in PCa screening will require radiologists to actively engage in refining protocols, standardizing interpretations, and adopting emerging technologies. Such efforts will help maximize benefits while minimizing harms, enabling wider acceptance of PCa screening.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».