著名医師による解説が無料で読めます
すると翻訳の精度が向上します
目的：ラジオミクスのパフォーマンスを、前立腺磁気磁気共鳴イメージング（BPMRI）に基づく臨床的に重要な前立腺癌（CSPCA）の検出における前立腺イメージングレポートおよびデータシステム（PI-RADS）v2.1スコアリングシステムと比較するためにマルチパラメトリックMRI（MPMRI）。 方法：2018年1月から2019年12月の間に、病理学的結果の合計204人の患者が登録され、142人の患者がトレーニングコホートに、62人の患者が検査コホートに登録されました。ラジオミクスモデルは、レシーバー動作特性（ROC）曲線分析を使用して、BPMRIとMPMRIに基づくCSPCAの診断のために、PI-RADS V2.1と比較されました。 結果：BPMRIおよびMPMRIの署名に基づく放射性モデルは、高い予測効率を示しましたが、有意な差はありませんでした（AUC = 0.975対0.981、トレーニングコホートではP = 0.687、テストコホートではそれぞれ0.953対0.968、P = 0.287）。さらに、ラジオミクスモデルは、BPMRI（AUC = 0.975対0.871、P = 0.030、トレーニングコホートおよびAUC = 0.953対0.853、P = 0.024の場合、CSPCAの診断においてPI-RADS V2.1を上回りました。テストコホート）またはMPMRI（AUC = 0.981対0.880、トレーニングコホートの場合はp = 0.030、AUC = 0.968対0.863、テストコホートではp = 0.016）を組み込んだ。 結論：我々の研究は、BPMRIおよびMPMRIベースの放射性モデルのパフォーマンスが有意な差を示さないことを示唆しています。これは、ラジオミクスでDCEイメージングを省略することで分析のプロセスを簡素化できることを示しています。Pi-Rads v2.1に放射性を追加すると、パフォーマンスが向上してCSPCAを予測できます。
目的：ラジオミクスのパフォーマンスを、前立腺磁気磁気共鳴イメージング（BPMRI）に基づく臨床的に重要な前立腺癌（CSPCA）の検出における前立腺イメージングレポートおよびデータシステム（PI-RADS）v2.1スコアリングシステムと比較するためにマルチパラメトリックMRI（MPMRI）。 方法：2018年1月から2019年12月の間に、病理学的結果の合計204人の患者が登録され、142人の患者がトレーニングコホートに、62人の患者が検査コホートに登録されました。ラジオミクスモデルは、レシーバー動作特性（ROC）曲線分析を使用して、BPMRIとMPMRIに基づくCSPCAの診断のために、PI-RADS V2.1と比較されました。 結果：BPMRIおよびMPMRIの署名に基づく放射性モデルは、高い予測効率を示しましたが、有意な差はありませんでした（AUC = 0.975対0.981、トレーニングコホートではP = 0.687、テストコホートではそれぞれ0.953対0.968、P = 0.287）。さらに、ラジオミクスモデルは、BPMRI（AUC = 0.975対0.871、P = 0.030、トレーニングコホートおよびAUC = 0.953対0.853、P = 0.024の場合、CSPCAの診断においてPI-RADS V2.1を上回りました。テストコホート）またはMPMRI（AUC = 0.981対0.880、トレーニングコホートの場合はp = 0.030、AUC = 0.968対0.863、テストコホートではp = 0.016）を組み込んだ。 結論：我々の研究は、BPMRIおよびMPMRIベースの放射性モデルのパフォーマンスが有意な差を示さないことを示唆しています。これは、ラジオミクスでDCEイメージングを省略することで分析のプロセスを簡素化できることを示しています。Pi-Rads v2.1に放射性を追加すると、パフォーマンスが向上してCSPCAを予測できます。
PURPOSE: To compare the performance of radiomics to that of the Prostate Imaging Reporting and Data System (PI-RADS) v2.1 scoring system in the detection of clinically significant prostate cancer (csPCa) based on biparametric magnetic resonance imaging (bpMRI) vs. multiparametric MRI (mpMRI). METHODS: A total of 204 patients with pathological results were enrolled between January 2018 and December 2019, with 142 patients in the training cohort and 62 patients in the testing cohort. The radiomics model was compared with the PI-RADS v2.1 for the diagnosis of csPCa based on bpMRI and mpMRI by using receiver operating characteristic (ROC) curve analysis. RESULTS: The radiomics model based on bpMRI and mpMRI signatures showed high predictive efficiency but with no significant differences (AUC = 0.975 vs 0.981, p=0.687 in the training cohort, and 0.953 vs 0.968, p=0.287 in the testing cohort, respectively). In addition, the radiomics model outperformed the PI-RADS v2.1 in the diagnosis of csPCa regardless of whether bpMRI (AUC = 0.975 vs. 0.871, p= 0.030 for the training cohort and AUC = 0.953 vs. 0.853, P = 0.024 for the testing cohort) or mpMRI (AUC = 0.981 vs. 0.880, p= 0.030 for the training cohort and AUC = 0.968 vs. 0.863, P = 0.016 for the testing cohort) was incorporated. CONCLUSIONS: Our study suggests the performance of bpMRI- and mpMRI-based radiomics models show no significant difference, which indicates that omitting DCE imaging in radiomics can simplify the process of analysis. Adding radiomics to PI-RADS v2.1 may improve the performance to predict csPCa.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。