基于MRI的子宫肌膜病变风险分层的新方法

科学领域:

• 放射学 放射学是一门学科.
• 妇科瘤学 妇科瘤学
• 医疗成像医学成像

背景情况:

• 术前诊断子宫介质瘤 (UMTs) 对于适当的手术管理至关重要.
• 在手术前区分恶性UMT与良性瘤仍然是一个挑战.

研究的目的:

• 为了外部验证以往基于MRI的专家共识算法,用于UMT诊断.
• 评估对UMT修改的基于MR的评分系统的准确性改进.

主要方法:

• 一个双中心的回顾性观察队列研究包括455名患有病理诊断的UMT的妇女,在盆腔后的MRI.
• 两位放射科医生使用初始和修改的标准盲目评估MR特征.
• 统计分析包括曼 - 惠特尼和费舍尔的确切测试;赔率比率被计算.

主要成果:

• 最初的算法达到92.5%的准确性,缺少7个瘤.
• 一个修改后的算法,包括不规则的边缘,更年期状态,修改后的DW信号和增加的ADC切断值,使准确度提高到98%.
• 经过修改的算法显示了显著提高的准确性 (p=0.001),具有83.3%的灵敏度和98.6%的特异性.

结论:

• 修改后的MRI成像算法提高了恶性UMT的诊断,改善了与良性瘤的区分.
• 新的算法促进了潜在恶性UMT的适当选,减轻了诸如子宫乳腺髓瘤的化等风险.
• 一个5个标准的评分系统 (T2W信号,DW信号,ADC切断,边缘,更年期状态) 在区分良性和恶性UMT方面达到98%的准确性.