基于Kaiser评分的MR乳腺摄影循证和结构化诊断

Q4 Medicine Tumor Diagnostik und Therapie Pub Date : 2021-10-28 DOI:10.1055/a-2013-9794
P. Baltzer, K. Krug, M. Dietzel
{"title":"基于Kaiser评分的MR乳腺摄影循证和结构化诊断","authors":"P. Baltzer, K. Krug, M. Dietzel","doi":"10.1055/a-2013-9794","DOIUrl":null,"url":null,"abstract":"Zusammenfassung Hintergrund  Die MR-Mammografie (MRM) ist als sensitivstes Verfahren zur Detektion von Brustkrebs integraler Bestandteil der modernen Mammadiagnostik. Aufgrund umfangreicher multiparametrischer Bildinformationen gilt die Befundung der MRM jedoch als schwierig. Klinische Entscheidungsregeln kombinieren diagnostische Kriterien in einem Algorithmus. Damit unterstützen sie Radiologen dabei, objektive und exakte sowie weitgehend von der Untersuchererfahrung unabhängige MRM-Diagnosen zu stellen. Methodik  Narrativer review. Der Kaiser-Score (KS) als klinische Entscheidungsregel für die MRM wird eingeführt. Befundkriterien werden erläutert, Strategien zur klinischen Entscheidungsfindung diskutiert und illustriert. Ergebnisse  Entwickelt mit Methoden des maschinellen Lernens wurde der Kaiser-Score in internationalen Studien unabhängig validiert. Dabei ist der KS unabhängig von der Untersuchungstechnik. Anhand von auf T2w- und kontrastangehobenen T1w-Aufnahmen fassbaren diagnostischen BI-RADS-Kriterien ermöglicht der KS die objektive und genaue Differenzialdiagnose von benignen und malignen Befunden in der MRM. Ein Flowchart leitet den Leser über maximal 3 Zwischenschritte zu einem Punktwert, entsprechend einer Malignomwahrscheinlichkeit. Damit lässt sich der KS direkt einer konkreten BI-RADS-Kategorie zuordnen. Individuelle Managemententscheidungen sollten dabei auch den klinischen Kontext berücksichtigen, was anhand von typischen Beispielen dargestellt wird. Kernaussagen:   Der evidenzbasierte KS zur objektiven Differenzierung von gutartigen und bösartigen Brustläsionen basiert auf T2w- und dynamisch kontrastangehobenen T1w-Informationen und ist weitgehend unabhängig von der verwendeten Untersuchungstechnik. Der KS basiert auf den etablierten diagnostischen Kriterien des MRT BI-RADS-Lexikons. Wir setzen einen Fokus auf die Definition einer Basiskategorie, welche bei Unklarheiten greift. Der KS reflektiert steigende Malignomwahrscheinlichkeiten und kann in Zusammenschau mit dem klinischen Kontext als Entscheidungshilfe das Patientenmanagement unterstützen. Zitierweise Baltzer PA, Krug KB, Dietzel M. Evidence-Based and Structured Diagnosis in Breast MRI using the Kaiser Score. Fortschr Röntgenstr 2022; 194: 1216–1228","PeriodicalId":39872,"journal":{"name":"Tumor Diagnostik und Therapie","volume":"44 1","pages":"134 - 146"},"PeriodicalIF":0.0000,"publicationDate":"2021-10-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Evidenzbasierte und strukturierte Diagnostik in der MR-Mammografie anhand des Kaiser-Score\",\"authors\":\"P. Baltzer, K. Krug, M. Dietzel\",\"doi\":\"10.1055/a-2013-9794\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Zusammenfassung Hintergrund  Die MR-Mammografie (MRM) ist als sensitivstes Verfahren zur Detektion von Brustkrebs integraler Bestandteil der modernen Mammadiagnostik. Aufgrund umfangreicher multiparametrischer Bildinformationen gilt die Befundung der MRM jedoch als schwierig. Klinische Entscheidungsregeln kombinieren diagnostische Kriterien in einem Algorithmus. Damit unterstützen sie Radiologen dabei, objektive und exakte sowie weitgehend von der Untersuchererfahrung unabhängige MRM-Diagnosen zu stellen. Methodik  Narrativer review. Der Kaiser-Score (KS) als klinische Entscheidungsregel für die MRM wird eingeführt. Befundkriterien werden erläutert, Strategien zur klinischen Entscheidungsfindung diskutiert und illustriert. Ergebnisse  Entwickelt mit Methoden des maschinellen Lernens wurde der Kaiser-Score in internationalen Studien unabhängig validiert. Dabei ist der KS unabhängig von der Untersuchungstechnik. Anhand von auf T2w- und kontrastangehobenen T1w-Aufnahmen fassbaren diagnostischen BI-RADS-Kriterien ermöglicht der KS die objektive und genaue Differenzialdiagnose von benignen und malignen Befunden in der MRM. Ein Flowchart leitet den Leser über maximal 3 Zwischenschritte zu einem Punktwert, entsprechend einer Malignomwahrscheinlichkeit. Damit lässt sich der KS direkt einer konkreten BI-RADS-Kategorie zuordnen. Individuelle Managemententscheidungen sollten dabei auch den klinischen Kontext berücksichtigen, was anhand von typischen Beispielen dargestellt wird. Kernaussagen:   Der evidenzbasierte KS zur objektiven Differenzierung von gutartigen und bösartigen Brustläsionen basiert auf T2w- und dynamisch kontrastangehobenen T1w-Informationen und ist weitgehend unabhängig von der verwendeten Untersuchungstechnik. Der KS basiert auf den etablierten diagnostischen Kriterien des MRT BI-RADS-Lexikons. Wir setzen einen Fokus auf die Definition einer Basiskategorie, welche bei Unklarheiten greift. Der KS reflektiert steigende Malignomwahrscheinlichkeiten und kann in Zusammenschau mit dem klinischen Kontext als Entscheidungshilfe das Patientenmanagement unterstützen. Zitierweise Baltzer PA, Krug KB, Dietzel M. Evidence-Based and Structured Diagnosis in Breast MRI using the Kaiser Score. Fortschr Röntgenstr 2022; 194: 1216–1228\",\"PeriodicalId\":39872,\"journal\":{\"name\":\"Tumor Diagnostik und Therapie\",\"volume\":\"44 1\",\"pages\":\"134 - 146\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-10-28\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Tumor Diagnostik und Therapie\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.1055/a-2013-9794\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"Medicine\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tumor Diagnostik und Therapie","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1055/a-2013-9794","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"Medicine","Score":null,"Total":0}
引用次数: 0

摘要

摘要背景是mri (MRM),是现代测乳学诊断中针对乳腺癌的一种敏感程序。但由于大规模多音像数据建模,MRM的发现被认为是困难的,与种算法结合临床决策规则。这有助于放射科医生得出客观和准确、并且大部分独立于研究经验的核磁共振诊断。日程中没有回头率皇帝出来了心共振成像药物无效审议了诊断标准,并为临床决策战略进行辩论并绘制出来。但通过机器学习的方法,这套学习成果在国际研究中独立得到验证。但KS是独立调查技术的利用t1w和反面t1v上的x光诊断标准,KS可以实现对benigen和malignn的客观而准确的差别诊断。挂图能显示有趣的距离不超过三个步骤我把这些KS都归给特定的泰迪骑兵在此过程中,个人管理决策应考虑到临床情况,以典型案例为例。核心说明:有证据为依据能对良性和恶性胸腔病征的客观区别治疗设置根据金氏百科全书的诊断标准我们针对不确定的地方就定一个基本分类KS反映出马里龙可能性的上升,它可以利用临床情况协助病人管理决策。理由就像博对照手册中所描述的那样别动194: 1216-1228
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Evidenzbasierte und strukturierte Diagnostik in der MR-Mammografie anhand des Kaiser-Score
Zusammenfassung Hintergrund  Die MR-Mammografie (MRM) ist als sensitivstes Verfahren zur Detektion von Brustkrebs integraler Bestandteil der modernen Mammadiagnostik. Aufgrund umfangreicher multiparametrischer Bildinformationen gilt die Befundung der MRM jedoch als schwierig. Klinische Entscheidungsregeln kombinieren diagnostische Kriterien in einem Algorithmus. Damit unterstützen sie Radiologen dabei, objektive und exakte sowie weitgehend von der Untersuchererfahrung unabhängige MRM-Diagnosen zu stellen. Methodik  Narrativer review. Der Kaiser-Score (KS) als klinische Entscheidungsregel für die MRM wird eingeführt. Befundkriterien werden erläutert, Strategien zur klinischen Entscheidungsfindung diskutiert und illustriert. Ergebnisse  Entwickelt mit Methoden des maschinellen Lernens wurde der Kaiser-Score in internationalen Studien unabhängig validiert. Dabei ist der KS unabhängig von der Untersuchungstechnik. Anhand von auf T2w- und kontrastangehobenen T1w-Aufnahmen fassbaren diagnostischen BI-RADS-Kriterien ermöglicht der KS die objektive und genaue Differenzialdiagnose von benignen und malignen Befunden in der MRM. Ein Flowchart leitet den Leser über maximal 3 Zwischenschritte zu einem Punktwert, entsprechend einer Malignomwahrscheinlichkeit. Damit lässt sich der KS direkt einer konkreten BI-RADS-Kategorie zuordnen. Individuelle Managemententscheidungen sollten dabei auch den klinischen Kontext berücksichtigen, was anhand von typischen Beispielen dargestellt wird. Kernaussagen:   Der evidenzbasierte KS zur objektiven Differenzierung von gutartigen und bösartigen Brustläsionen basiert auf T2w- und dynamisch kontrastangehobenen T1w-Informationen und ist weitgehend unabhängig von der verwendeten Untersuchungstechnik. Der KS basiert auf den etablierten diagnostischen Kriterien des MRT BI-RADS-Lexikons. Wir setzen einen Fokus auf die Definition einer Basiskategorie, welche bei Unklarheiten greift. Der KS reflektiert steigende Malignomwahrscheinlichkeiten und kann in Zusammenschau mit dem klinischen Kontext als Entscheidungshilfe das Patientenmanagement unterstützen. Zitierweise Baltzer PA, Krug KB, Dietzel M. Evidence-Based and Structured Diagnosis in Breast MRI using the Kaiser Score. Fortschr Röntgenstr 2022; 194: 1216–1228
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
Tumor Diagnostik und Therapie
Tumor Diagnostik und Therapie Medicine-Oncology
CiteScore
0.10
自引率
0.00%
发文量
201
期刊介绍: - Spezialisten aus allen Fachgebieten der Onkologie kommentieren und bewerten die Entwicklung ihres Faches - Thieme Onkologie aktuell Aktuelle Übersichten zum Stand der Forschung - Kurzinformationen und Literaturreferate
期刊最新文献
Einfluss der Resektionsränder und des Zeitpunkts der inguinalen Lymphadenektomie auf die Lokalrezidivrate und die Überlebensrate bei Patienten mit Peniskarzinom Rivaroxaban bei tumorassoziierter venöser Thromboembolie Intravaskuläre Therapieverfahren zu lokoregionalen Therapien von Lungentumoren Klinische Anwendungsbeispiele einer Next-Generation-Sequencing-basierten Multi-Genpanel-Analyse Das inzidentelle Harnblasenkarzinom in der multiparametrischen MRT der Prostata
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1