相关实验视频
Updated: Jul 3, 2026

04:36
Murine Superficial Lymph Node Surgery
Published on: May 21, 2012
42.7K
淋巴结报告和数据系统 (LN-RADS) - 对表面淋巴结的超声波分类的回顾性评估
Cezary Chudobiński1, Katarzyna Pasicz2, Małgorzata Hanke1
1Department of Radiology, Copernicus Memorial Hospital, 62 Pabianicka Str., 93-513 Lodz, Poland.
Cancers
|June 26, 2025
概括
淋巴结报告和数据系统 (LN-RADS) 有效地区分恶性和良性淋巴结,改善瘤诊断. 该系统显示了高准确性和大量的读者间协议,用于淋巴结评估.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 医疗成像医学成像
背景情况:
- 准确的淋巴结 (LN) 评估对于癌症诊断和管理至关重要.
- 缺乏用于精确LN评估的标准化系统.
- 淋巴结报告和数据系统 (LN-RADS) 是为了满足这一需求而开发的.
研究的目的:
- 开发和验证LN-RADS用于评估怀疑癌症患者的淋巴结.
- 评估LN-RADS在区分良性和恶性LN的诊断性能.
- 识别LNs中恶性瘤的形态预测因素.
主要方法:
- 在489名患者中对719个LNs进行了回顾性分析.
- 三名放射科医生使用LN-RADS尺度 (第1-5组) 对LNs的评估.
- 对LN-RADS发现与病原体学的相关性以及对12个形态特征的分析.
主要成果:
- LN-RADS在恶性LN诊断方面表现出89%的灵敏度,85%的特异性和87%的准确性.
- 恶性瘤的风险在0% (LN-RADS 1-2) 到97% (LN-RADS 5) 之间.
- 皮层厚度≥6毫米是最强烈的恶性瘤预测指标 (82%准确率,AUC=0.894).
结论:
- 在区分良性和恶性淋巴结方面,LN-RADS非常有效.
- 该系统准确地分层了淋巴结中的恶性瘤风险.
- 实现了大量的读者间协议,表明了可靠性.

