MétaCan
Menu
Retour à la cohorte
Enregistrement W4412110787 · doi:10.1148/radiol.242278

Impact of LI-RADS CT and MRI Ancillary Features on Diagnostic Performance: An Individual Participant Data Meta-Analysis

2025· review· en· W4412110787 sur OpenAlexaff
Nicole Abedrabbo, Eric Lam, Matthew D. F. McInnes, Haben Dawit, Diana Kadi, Christian B. van der Pol, Jean‐Paul Salameh, Brooke Levis, Haresh Naringrekar, Emily Lerner, Robert G. Adamo, Mostafa Alabousi, Adam Polikoff, Alessandro Furlan, An Tang, Andrea S. Kierans, Amit G. Singal, Ashwini Arvind, Ayman S. Alhasan, Bin Song, Brian C. Allen, Caecilia S. Reiner, Christopher Clarke, Daniel R. Ludwig, Federico Díaz Telli, Federico Piñero, Grzegorz Rosiak, Hanyu Jiang, Heejin Kwon, Hong Wei, Hyo‐Jin Kang, Ijin Joo, Jeong Ah Hwang, Ji Hye Min, Ji Soo Song, Jin Wang, Joanna Podgórska, John R. Eisenbrey, Krzysztof Bartnik, Li‐Da Chen, Maxime Ronot, Milena Cerny, Nieun Seo, Shengxiang Rao, Roberto Cannella, Sang Hyun Choi, So Yeon Kim, Tyler J. Fraum, Wentao Wang, Woo Kyoung Jeong, Xiang Jing, Yeun‐Yoon Kim, Zhen Kang, Andreu F. Costa

Notice bibliographique

RevueRadiology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensQueen Elizabeth II Health Sciences CentreCentre Hospitalier de l’Université de MontréalQueen's UniversityMcMaster UniversityJuravinski HospitalJuravinski Cancer CentreHamilton Health SciencesUniversity of TorontoJewish General HospitalUniversity of OttawaOttawa Hospital
Organismes subventionnairesMinistry of Health and WelfareNational Natural Science Foundation of China
Mots-clésMedicineMeta-analysisRadiologyMedical physicsNuclear medicinePathology

Résumé

récupéré en direct d'OpenAlex

In an individual participant data meta-analysis, applying individual CT and MRI ancillary features to Liver Imaging Reporting and Data System categories 1–5 observations did not improve diagnostic performance compared with major features.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,173
Tête enseignante GPT0,452
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207