New/Enlarging T2 Lesions in a Progressive Multiple Sclerosis Trial Cohort: Computer vs Human Detection
Notice bibliographique
Résumé
Background: Although detection of new/enlarging multiple sclerosis (MS) lesions is a key metric in clinical practice and research, little is known about how human and automated detection methods compare. We compared findings made by a neuroradiologist to simulate routine practice to those made with a computer-aided technique as used in a clinical trial. Methods: MRIs from a 96-week, progressive MS clinical trial with 255 participants were evaluated for new/enlarging T2 lesions by both a neuroradiologist and a semiautomated method. Readings from 887 paired scans were compared using a paired t test and inter-rater reliability κ. Selected discordant reads were subsequently reviewed by a second neuroradiologist. Results: The semiautomated method identified new/enlarging lesions on 19.7% of the paired scans, while the neuroradiologist identified lesions on 5.7%. Of the 185 paired scans with new/enlarging T2 lesions by either method, the semiautomated method detected a mean of 3.4 new lesions, while the neuroradiologist detected 0.4. Overall κ was 0.18 (poor agreement); the κ of only scans with new/enlarging lesions by either method was –0.06. When scans were categorized as active or inactive, κ was 0.18. Unblinded neuroradiologist overread of selected discordant scans found more lesions when using advanced radiology tools such as coregistration. Conclusions: A large discordance was found between new/enlarging MS lesions identified by a neuroradiologist and a semiautomated identification method. These findings may explain clinical trials reporting new lesions in patients on highly effective therapies, while they are less common in clinical practice. These findings have implications for treatment decision algorithms using MRI. Advanced radiology tools such as coregistration may improve lesion detection in routine 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».