MétaCan
Menu
Retour à la cohorte
Enregistrement W9776825

Diagnostic accuracy of commercial system for computer-assisted detection (CADx) as an adjunct to interpretation of mammograms.

2005· article· en· W9776825 sur OpenAlexaboutno aff
Sabatino Menna, Maria Rosaria Di Virgilio, Paolo Burke, Alfonso Frigerio, Elisa Boglione, Grazia Ciccarelli, Sabato Di Filippo, L Garretti

Notice bibliographique

RevuePubMed · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMammographyRadiologyBiopsyUltrasoundAsymptomaticBreast cancerConcordanceBreast cancer screeningCancerPathologyInternal medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To evaluate the diagnostic accuracy of the commercial computer-aided detection CADx system for the reading of mammograms. MATERIALS AND METHODS: The study assessed the Second Look system developed and marketed by CADx Medical Systems, Montreal, Canada. The diagnostic sensitivity was evaluated by means of a retrospective study on 98 consecutive cancers detected at screening by double independent reading. The specificity and the positive predictive value (PPV) for cancer of the CADx system were prospectively evaluated on a second group of 560 consecutive mammograms of asymptomatic women not included in screening program. The radiologist who was present during the test assessed the abnormal mammographic findings by one or more of the following diagnostic procedures: physical examination, additional mammographic detail views with or without magnification, ultrasonography, ultrasound- or mammography-guided fine needle aspiration cytology, and core-biopsy. The exams first underwent conventional reading and then a second reading carried out with the aid of the CADx system. RESULTS: The overall diagnostic sensitivity of the CADx system on the 98 screening cancers was 81.6%; in particular it was 89.3% for calcifications, 83.9% for masses and only 37.5% for architectural distortion. The CADx markings for each mammography were 4.7 on average. Identification of invasive carcinoma was independent from tumour size. In the second group of 560 mammograms, the CADx system marked all cases identified as positive by conventional reading and confirmed by biopsy (7/7), but did not permit the detection of any additional cancer. The CADx markings per exam were 4.2 on average, the specificity was 13.7% and the PPV was 0.55% versus 13.7% recall rate of conventional reading. CADx reading led to a 1.96% (11/560) increase of the women necessitating further diagnostic investigation. CONCLUSIONS: The results of our study show that the diagnostic sensitivity of the CADx system is lower than that obtained by double independent reading at screening. Used in association with conventional reading of mammograms of asymptomatic women the CADx system did not increase diagnostic sensitivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,257
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetAI in cancer detectionTravaux en français237 207