T2 Hyperintense Lesions on Breast MRI – Is the Assumption of Benignity Justified?
Notice bibliographique
Résumé
Introduction: This study aims to evaluate the outcomes of breast MRI-guided vacuum assisted biopsies (MVAB) performed on lesions with high T2 signal. Materials and Methods: We retrospectively collected of all MVAB performed at our institution between January 2016 and December 2021 for high T2 lesions. T2 hyperintensity was defined as equal or higher signal than normal lymph node. The correlation between various demographic and imaging characteristics and the binary pathological outcome (benign vs malignant) was evaluated. Results: In total, 174 biopsies from 165 women met the inclusion criteria and were included in the cohort. Malignancy was detected in 35 lesions (20%), most commonly ductal carcinoma in situ (DCIS, 57%), followed by infiltrating ductal carcinoma (IDC, 40%). The most common benign diagnosis was fibrocystic changes (FCC, 38%). In 19 lesions MVAB detected high-risk pathology, 3 of which were upgraded to malignancy. Older age (Mean 61 vs 54 years, P = .04), washout kinetics (29% vs 13%, P = .01), and indication for extent of disease evaluation (53% vs 32%, P = .06) were the strongest predictors of malignancy. Lesion size and morphology were not significantly associated with outcome. Conclusions: Given the considerable cancer rate, T2 hyperintensity should be used with caution as a benign indicator and not as a sole criterion for ruling out malignancy. Additional factors such as patient age, kinetic features, and MRI indication should be considered to improve diagnostic accuracy.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».