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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».