Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightAmaç Bu çalışmanın amacı, leiomyom (UM) ve leiomiyosarkomları (LMS) en iyi ayırt eden preoperatif manyetik rezonans görüntüleme (MRG) bulgularını değerlendirmek ve UM’leri preoperatif olarak bir MRG skorlama sistemiyle öngörmektir.
📌 3 Maddede Bu Makale
Özet
Amaç Bu çalışmanın amacı, leiomyom (UM) ve leiomiyosarkomları (LMS) en iyi ayırt eden preoperatif manyetik rezonans görüntüleme (MRG) bulgularını değerlendirmek ve UM’leri preoperatif olarak bir MRG skorlama sistemiyle öngörmektir. Gereç ve Yöntemler Bu kesitsel çalışma, üçüncü basamak bir sağlık merkezinde yürütülmüştür. 2013–2023 yılları arasında, operasyon öncesi altı ay içinde pelvik MRG çekilmiş ve myomektomi veya histerektomi uygulanmış, histopatolojik olarak UM veya LMS tanısı almış 109 hasta çalışmaya dahil edilmiştir. Vakalar histopatoloji raporlarına göre Grup 1 (UM; n=101, %92,6) ve Grup 2 (LMS; n=8, %7,4) olarak sınıflandırılmıştır. Normal dağılım göstermeyen değişkenler Mann-Whitney U testi ile analiz edilmiştir. Kategorik veriler Ki-kare testi ve Fisher’ın kesin testi ile değerlendirilmiştir. MRG skorlama sisteminin kesim değeri, özgüllük ve duyarlılığı için ROC analizi yapılmıştır. MRG bulgularını değerlendirmek için lojistik regresyon analizi kullanılmıştır. Anlamlılık düzeyi p<0.05 olarak kabul edilmiştir. Bulgular MRG ile değerlendirilen 15 özelliğin altısı gruplar arasında istatistiksel olarak anlamlı farklılık göstermiştir. Toplam MRG tahmin skoru UM grubunda 3, LMS grubunda 4,5 olarak bulunmuştur. Gruplar arasında istatistiksel olarak anlamlı fark mevcuttur (p<0.01). UM’yi öngörmede kesim değeri olarak toplam skorun 7’nin altında olması belirlenmiştir (duyarlılık %98; özgüllük %38; pozitif prediktif değer %95,5; negatif prediktif değer %60, p<0.01). Sonuç Preoperatif MRG skorlama sistemi, UM ve LMS ayrımında öngörü gücüne sahip olduğunu göstermektedir.
Abstract
Objectives The aim of the study was to evaluate the preoperative magnetic resonance imaging (MRI) features that best distinguish leiomyomas (UM) from leiomyosarcomas (LMS) and to predict UMs preoperatively using an MRI scoring system. Methods This was a cross-sectional study conducted at a tertiary center. Between 2013 and 2023, 109 patients who underwent myomectomy or hysterectomy with pelvic MRI in the six months before the operation and had a histopathologically confirmed report of UM or LMS were included in the study. The cases were classified as Group 1 (UM; n=101, 92.6%) and Group 2 (LMS; n=8, 7.4%) according to histopathology reports. Non-normally distributed variables were analyzed using the Mann-Whitney U test. Categorical data were analyzed using the Chi-square test and Fisher's exact test. Receiver Operating Characteristic (ROC) analysis was performed to calculate the cut-off value, specificity and sensitivity of MRI scoring system. Logistic regression analysis were used to evaluate MRI features. The p value considered statistically significant was <0.05. Results Six of the 15 MRI features were statistically different between the groups. Total MRI predictive score was 3 in the UM group and 4.5 in the LMS group. There was a statistical difference between the groups (p<0.01). Total score lower than 7 was calculated as the cut-off point prediciting UM (sensitivity 98%; specificity 38%; PPV 95.5%; NPV 60%, p<0.01). Conclusion This preoperative MRI scoring system demonstrates predictive capability in distinguishing between UMs and LMSs.