Quantitative MRI Dixon signal drop and fat fraction for differentiating bone marrow lesions: a two-center prospective analysis
Notice bibliographique
Résumé
BACKGROUND: Bone marrow (BM) lesion differentiation remains challenging, and quantitative magnetic resonance imaging (MRI) may enhance accuracy over conventional methods. We evaluated the diagnostic value and inter-reader reliability of Dixon-based signal drop (%drop) and fat fraction percentage (%fat) as adjuncts to existing protocols. MATERIALS AND METHODS: In this prospective two-center study, 172 patients with BM signal abnormalities underwent standardized 1.5-T MRI protocols, including Dixon sequences. Two musculoskeletal radiologists independently evaluated images and performed quantitative measurements of %drop and %fat. Final diagnoses were established through histopathology (n = 96) or imaging follow-up (n = 76). Diagnostic value was assessed using area under the receiver operating characteristic curve (AUROC), inter-reader reliability using Cohen's κ coefficient. RESULTS: The consensus optimal cutoff was for %drop ≤ 19.8%, yielding 87.2% accuracy, 95.3% sensitivity, and 73.8% specificity, and that for %fat was ≤ 18.3%, achieving 86.6% accuracy, 96.3% sensitivity, and 70.8% specificity. Both metrics showed high diagnostic performance (AUROC 0.824-0.863) and excellent inter-reader reliability (κ > 0.93, p < 0.001). Multivariate analysis identified %drop ≤ 19.8% and %fat ≤ 18.3% as the strongest independent predictors of malignancy, with odds ratio (OR) being 9.38 and 8.85, respectively (p < 0.001). Signal characteristics on Dixon sequences provided additional diagnostic value, with signal voids on fat-only images (OR 7.14) and high signals on water-only images (OR 5.46). CONCLUSION: Quantitative MRI Dixon imaging parameters demonstrated high diagnostic accuracy and excellent inter-reader reliability in differentiating benign and malignant BM lesions, supporting their implementation in clinical practice protocols as a reproducible adjunct to conventional MRI. RELEVANCE STATEMENT: Quantitative Dixon MRI provides reproducible, noninvasive differentiation of bone marrow lesions with high diagnostic accuracy across anatomical sites, enhancing clinical decision-making with standardized thresholds while demonstrating excellent inter-center consistency. KEY POINTS: Quantitative Dixon MRI thresholds of %drop ≤ 19.8% and %fat ≤ 18.3% were established as reliable predictors of malignancy in bone marrow lesions. Dixon metrics demonstrated superior diagnostic accuracy (86.6-87.2%), compared to conventional T1-weighted sequences (79.2%). Excellent inter-reader reliability (κ = 0.895-0.943) supports the reproducibility of quantitative Dixon MRI in clinical practice.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».