Lesion volume on multiparametric magnetic resonance imaging as a non-invasive prognosticator for clinically significant prostate cancer
Notice bibliographique
Résumé
Introduction: The association between prostate cancer (PCa) lesion volume on multiparametric magnetic resonance imaging (mpMRI) and clinically significant PCa (csPCa) remains a poorly studied aspect of diagnostic workup in patients with suspicion of PCa. The aim of this study was to assess the diagnostic value of mpMRI lesion volume in detecting csPCa. Material and methods: Patients with an elevated prostate-specific antigen (PSA) and suspicion of PCa underwent mpMRI as part of routine workup. Following this, patients underwent systematic and fusion targeted biopsy of the region of interest (ROI). All target lesions were sampled once in both axial and sagittal planes, with at least 2 cores per target. csPCa was defined as Gleason grade group ≥2, while highly suspicious lesions were considered as those with PI-RADS score ≥4. Multivariate logistic regression was performed for factors predicting csPCa. Results: Fifty men with a total of 108 mpMRI lesions were included, with a mean age of 71 ±6 years. 52% had prior negative biopsies. The mean lesion volume was 0.95 ±0.04 ml. Thirty-two patients (64%) had positive biopsies, among whom 20 had csPCa. Fifteen patients (30%) had highly suspicious PI-RADS lesions. Multivariate analysis demonstrated that capsular bulging, younger age, small prostate, highly suspicious lesions, high PSA density, and lesion volume >1mL were predictive of csPCa. Conclusions: Lesion volume on mpMRI may be used as a non-invasive indicator of csPCa. Future studies exploring the correlation between lesion volume and csPCa may enable patients to be monitored by non-invasive means, while ensuring early intervention when needed.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».