综述
卵巢-附件影像报告和数据系统MRI风险分层的临床价值及其研究进展
磁共振成像, 2023,14(4) : 193-197,202. DOI: 10.12015/issn.1674-8034.2023.04.034
摘要

卵巢-附件肿块的良恶性鉴别诊断对妇科管理策略和患者预后有重大影响。尽管超声可以将大多数卵巢-附件病变正确分类,但对于10%~30%的卵巢-附件病变超声并不能明确诊断。MRI能够为超声不确定的病变提供更准确的诊断,从而改善患者的临床管理及预后。2022年美国放射学会(American College of Radiology, ACR)发布了卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System, O-RADS)MRI风险分层系统的指南,用于准确评估卵巢-附件病变。然而,作为一种新方法,该风险分层系统存在挑战:需要制订标准化的MRI协议以及专业的灌注曲线分析软件,此外,对于O-RADS MRI的临床应用,还可能需要对放射科医生进行专业培训。未来需要进一步进行前瞻性队列研究,以制订针对每个O-RADS MRI风险类别的临床管理建议。目前,尚缺乏对O-RADS MRI相关研究进展的系统总结,本文就O-RADS MRI的提出、临床意义及应用价值、相关研究热点、不足及未来发展方向等方面研究进展进行综述,以期帮助放射科医生在临床工作中应用该风险分层系统,并尝试寻找该风险分层系统潜在的提升点,进而不断提升该风险分层系统的鉴别诊断效能。

引用本文: 金俊杰, 邓锡佳, 张久权. 卵巢-附件影像报告和数据系统MRI风险分层的临床价值及其研究进展 [J] . 磁共振成像, 2023, 14(4) : 193-197,202. DOI: 10.12015/issn.1674-8034.2023.04.034.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

本刊刊出的所有论文不代表本刊编委会的观点,除非特别声明

0 前言

正确区分卵巢-附件肿块的良恶性对妇科管理策略和患者预后有重大影响,可以避免一些良性病变不必要的手术治疗和优化卵巢癌的手术治疗[1, 2]。超声广泛用于描述附件病变特征[3],大多数可以准确地评估良恶性病变,然而,超声图像对于10%~30%的附件病变不能区分其良恶性[4, 5, 6],对恶性肿瘤的诊断是一个挑战,需要进一步评估[7, 8]。多参数MRI可以提供良好的软组织对比度,因而被推荐用于评估不确定附件病变[9, 10],常规序列和功能序列相结合,如动态对比增强(dynamic contrast-enhanced, DCE)MRI和扩散加权成像(diffusion-weighted imaging, DWI),已被证明在区分良恶性病变方面具有较高的敏感性、特异性和准确性[11, 12, 13, 14, 15]。此外,为附件病变风险分类实施标准化报告词典和评分系统有助于诊断和治疗前评估[16],可使决策具有透明度。因此,为了提高卵巢-附件肿块良恶性风险评估的准确性,指导可疑卵巢-附件恶性病变患者到妇科肿瘤专科就诊,避免良性病变过度治疗,2022年美国放射学会(American College of Radiology, ACR)正式发布了卵巢-附件影像报告和数据系统(Ovarian-Adnexal Reporting and Data System, O-RADS)MRI风险分层系统的指南[17],以帮助确定超声检查结果不确定或可疑的附件病变。本文就O-RADS的提出、临床意义及应用价值、相关研究热点、不足及未来发展方向等方面研究进展作一综述,以助于临床医生及放射科医生对该风险分层系统的理解,促进该风险分层系统的临床应用。此外,我们也希望通过总结现有的相关研究进展,洞察该风险分层系统更多可以填补的空白。

1 O-RADS MRI评分系统的提出

超声检查可正确判断大部分附件病变的性质,但对于部分病变不能确定病变性质,并且会受超声医师经验水平的影响[18, 19]。因此,为了提升判断附件病变性质的能力,THOMASSIN-NAGGARA等[11]2013年提出了ADNEX MR评分系统,该评分系统具有高可重复性及准确性[20],包括了用于风险评估的病变特征,这些病变特征包含液体成分(出血、蛋白质、子宫内膜异位、脂质)和固体成分(实性成分、血块、碎屑、脂肪)。此外,病变中实性成分的强化至关重要,它表明了肿瘤性病变的可能性,而增强动力学有助于将病变划分为低、中或高恶性风险,该评分系统结合了解剖和功能MRI,为恶性肿瘤匹配了评分和阳性预测值(positive predictive value, PPV)。之后,多个研究团队外部验证了ADNEX MR评分系统,并作为O-RADS MRI评分系统的模板[20, 21, 22]。THOMASSIN-NAGGARA等[23]2020年进行了一项大型的前瞻性、多中心队列研究,测试超声不确定附件病变的MRI风险分层得分,证明了O-RADS MRI评分的较高准确性,总体准确度为92%,敏感度为93%,特异度为91%,PPV为71%,阴性预测值(negative predictive value, NPV)为98%,这些结果为O-RADS MRI的发布提供了依据,ACR O-RADS MRI委员会使用该研究的数据开发了O-RADS MRI风险评分的当前版本。O-RADS MRI基于病变的类型、组成和实性成分强化模式等MRI特征对卵巢-附件病变进行评估,将卵巢-附件病变划分为六个风险类别(O-RADS 0~5分),见表1,即从正常到高度恶性可能分为六个级别,评分增高,恶性风险增加。同时,为了改善放射科医生和临床医生之间的沟通,提高影像报告的质量和一致性,ACR O-RADS MRI委员会创建了标准化词汇来描述卵巢-附件病变的特征[24]

点击查看表格
表1

卵巢-附件影像报告和数据系统MRI风险分层系统评分

Tab. 1

Ovarian-Adnexal Reporting and Data System MRI risk stratification system score

表1

卵巢-附件影像报告和数据系统MRI风险分层系统评分

Tab. 1

Ovarian-Adnexal Reporting and Data System MRI risk stratification system score

评分风险分层描述
0评价不完全
1生理性卵巢(1)无病变;(2)卵泡或出血性囊肿(≤3 cm),或黄体囊肿(≤3 cm),有或无出血。
2几乎良性(<0.5%)(1)单房囊肿(任何囊液),壁无强化;(2)单房囊肿(单纯性或子宫内膜异位性囊液),壁光滑可有强化;(3)呈多房囊性表现的子宫内膜异位囊肿;(4)无实性组织的含脂肪病变;(5)病变实性组织T2WI、高b值DWI均呈均匀一致的低信号(“双低”病变);(6)输卵管积液,壁/褶皱薄且光滑可强化;(7)卵巢冠囊肿(任何囊液),壁薄且光滑可强化。
3低风险(~5%)(1)蛋白性、黏液性或出血性单房囊肿,壁光滑有强化;(2)多房囊肿(除外脂肪性、子宫内膜异位性囊液),壁和分隔光滑有强化;(3)病变含实性组织(非双低)且动态对比增强时间-信号曲线呈低风险型;(4)输卵管积液(非单纯性囊液且壁/褶皱薄,或单纯性囊液且壁/皱褶厚而光滑)。
4中风险(~50%)(1)病变含实性组织(非双低)且动态对比增强时间-信号曲线呈中风险型,或在非动态对比增强MRI上,在30~40 s时,病变强化程度≤子宫肌层;(2)有大量实性组织的含脂肪病变。
5高风险(~90%)(1)病变含实性组织(非双低)且动态对比增强时间-信号曲线呈高风险型,或在非动态对比增强MRI上,在30~40 s时,病变强化程度>子宫肌层;(2)腹膜、肠系膜或网膜不规则增厚或结节,有或无腹腔积液。

注:DWI为扩散加权成像。

2 O-RADS MRI的临床意义和应用价值

利用O-RADS MRI评估超声所见的附件病变,可以提高病变良恶性的诊断准确性。当病变具有不确定的超声特征时,恶性肿瘤的PPV范围从7%~50%不等[4,25],而使用O-RADS MRI评估这些病灶时,恶性肿瘤的PPV增加到71%,NPV达到了98%[23]。因此,在超声检查不确定附件病变的情况下,O-RADS MRI能够迅速地指导患者的管理,避免在良性病变和交界性肿瘤中进行手术或过度广泛的手术,同时迅速将可能患有恶性肿瘤的患者转诊给妇科肿瘤医师。此外,O-RADS MRI基于可靠的临床数据而非专家意见,融合了专家用于评估MRI病变的方法,以逐步算法的方式描述了该方法,并使普通放射科医生的诊断报告类似于亚专业放射科医师[17]

3 O-RADS MRI相关研究进展
3.1 O-RADS MRI分类效能

THOMASSIN-NAGGARA等[23]进行的大型前瞻性、多中心队列研究已经证明了O-RADS评分的优越性能。PEREIRA等[26]再次验证O-RADS MRI评分在附件肿块评估中的表现,进行了一项前瞻性研究,共有226例患者(287个附件肿块)纳入研究,使用O-RADS评分≥4分作为恶性肿瘤的界限。结果表明O-RADS MRI评分敏感度为91.11%,特异度为94.92%,PPV为89.13%,NPV为95.90%,准确度为93.73%。虽然该研究再次验证了O-RADS MRI评分在附件肿块评估中的效能,但是没有评估在注射钆对比剂后30~40 s使用单一增强分析测定O-RADS评分4分和5分的准确性是该研究的一点不足,因为在缺乏分析时间-强度曲线(time-intensity curves, TIC)条件时,对注射钆对比剂后30~40 s子宫外肌层和病灶实性成分强化程度的分析对于评分起着关键作用。

O-RADS能够对卵巢罕见肿瘤进行正确分类。AVESANI等[27]研究经组织学证实的卵巢囊腺纤维瘤(cystadenofibroma, CAF)的O-RADS词典及描述符特征并评估O-RADS风险分层系统在这一特定亚组患者中的表现,该研究分析了21例经组织学证实的CAF,其中20例为良性,1例由交界性恶变为腺癌,根据词典和O-RADS描述符描述了CAF的典型形态特征,并且TIC分析显示,肿瘤实性成分呈缓慢而渐进性强化(Ⅰ型曲线),O-RADS评分为2或3分,但仅有的1例恶性病变显示Ⅱ型曲线和DWI受限(O-RADS 4分)。根据O-RADS评分结果,O-RADS将CAF均正确进行了分类,表明O-RADS在卵巢罕见肿瘤中也具有良好的分类效能,但由于纳入肿瘤的类型少见,造成了纳入的病例较少,在以后的研究中可以尝试纳入其他少见类型的肿瘤进行验证。

3.2 提升O-RADS MRI分类效能的研究

O-RADS中整合表观扩散系数(apparent diffusion coefficient, ADC)值可以提升其良恶性病变的鉴别能力。在O-RADS评分4分中整合ADC阈值可以区分低到中和中到高恶性肿瘤风险组。HOTTAT等[28]评估DWI在O-RADS评分分类的附件肿块诊断中的附加价值,分析了163名患者DCE-MRI图像及DWI图像,并对附件肿块进行O-RADS分类,采用感兴趣区(region of interest, ROI)ADC和全病灶ADC直方图(whole-lesion ADC-histogram, WL-ADC)两种定量分析方法,绘制病变为O-RADS 4分的ROI-ADC和WL-ADC,以确定恶性病变的阈值。结果表明,恶性病变的ROI-ADC和WL-ADC均值显著低于良性病变,42个病灶(20.9%)的O-RADS评分为4分,在O-RADS 4分这个亚组中,76%的病灶ROI-ADC<1.7×10-3 mm2/s及WL-ADC<2.6×10-3 mm2/s为恶性,而仅11.8%的病灶ROI-ADC≥1.7×10-3 mm2/s及WL-ADC≥2.6×10-3 mm2/s为恶性。该研究表明,O-RADS评分与这些阈值相结合的整体性能得到改善,但是在本研究中O-RADS 4分亚组中病例较少,在以后的研究中,可进一步扩大O-RADS 4分的附件病变的样本量,以进一步验证O-RADS联合ADC值对恶性病变的诊断效能[29]。此外,ELSHETRY等[30]也尝试评估ADC平均值(mean ADC, ADCmean)对O-RADS的价值,他们评估了联合ADCmean及O-RADS(O-RADS>3,ADCmean≤1.08×10-3 mm2/s)对良恶性病变的分类效能,研究表明,与O-RADS评分相比,两者联合能够减少假阳性率,明显提升特异性、PPV以及阳性似然比,并且仍然具有较高敏感性。上述研究表明ADC值在附件良恶性病变鉴别诊断中的重要价值,特别是在提升特异性及PPV等方面的作用,在未来的O-RADS评分中可尝试纳入ADC值,特别是在O-RADS 4分的分类中良恶性病变具有较大的不确定性,如果ADC值在大样本中也具有较好的效能,这无疑给O-RADS评分添加了强大的助力。

磁共振波谱(magnetic resonance spectroscopy, MRS)可能在肿瘤DWI中起到补充作用。LIN等[31]评估DWI和MRS在超声不确定卵巢肿瘤风险分层中的附加价值,纳入21名附件肿块的患者,结果表明ADC值为1.27×10-3 mm2/s是鉴别卵巢良恶性肿瘤的最佳阈值,敏感度和特异度分别为100.0%和77.8%,在7个O-RADS 4分病灶中的6个病灶中检测到胆碱峰值,并纠正了所有DWI假阴性透明细胞癌。基于胆碱峰的存在,MRS的诊断性能显示敏感度为77.8%,特异度为100.0%,准确度为85.7%。因此,MRS可能在肿瘤DWI中起到补充作用,特别是对于O-RADS 4分肿瘤或透明细胞癌。

O-RADS评分主要基于实性成分的MRI特征分析,对囊性成分的分析相对较少,研究发现,囊性成分的MRI分析可提高O-RADS的诊断性能。ASSOULINE等[32]测试O-RADS在具有囊性成分的附件肿块方面的性能,并测试与囊性成分相关的特异性MRI特征,以提高O-RADS对病变进行分层的能力。该研究回顾性分析欧洲附件研究数据库(European Adnexal Study Database, EURAD)中带有囊性成分的779个盆腔肿块,并分析了病灶的大小、形态及信号等特点。结果表明,O-RADS的诊断性能为0.944,将O-RADS评分≥4结合囊性成分ADCmean>1.69,大小>75 mm,以及囊性成分低DWI信号,可显著提高诊断性能,达到0.958。该研究提示附件肿块囊性成分分析对于病变良恶性鉴别的价值,此外,在今后的研究中可以尝试根据组织学对囊性附件肿块进行MRI信号特征分析,以尝试提出除O-RADS评分外更精确的组织学诊断。

此外,有研究尝试联合O-RADS MRI评分及超声国际卵巢肿瘤分析(International Ovarian Tumor Analysis, IOTA)对附件病变进行良恶性鉴别[33],研究结果显示敏感度为100%,特异度为89%,准确度为96%,预测效能较好,但是该研究样本量较少(26例),还需要进一步扩大样本量验证。该研究也为我们提供了一个新思路,即是否能够联合超声和MRI的双模态成像进行良恶性病变的鉴别,在临床工作中超声常用作病变的筛查,在病变不确定时进一步行MRI扫描,因此行超声及MRI双模态扫描的患者应该易于收集,这也是今后研究的一个潜在切入点。

3.3 非增强与简化MRI在O-RADS中的应用价值

O-RADS MRI评分依赖于静脉注射钆对比剂来评估动态增强曲线,当由于一些特殊情况如孕妇或肾功能受损等不能使用静脉内对比剂从而无法用O-RADS MRI评分进行分析时,非增强MRI评分或可用于临床实践。SAHIN等[34]在研究中提出非增强MRI评分可用于临床实践,以区分良性和恶性附件病变,该评分基于病变的平扫MRI形态学评估,回顾性分析接受MRI检查的291例患者,研究表明,非增强MRI评分≥4分与恶性肿瘤相关,敏感度为84.9%,特异度为95.9%,准确度为94.2%,阳性似然比为21,曲线下面积(area under the curve, AUC)为0.93,并且该评分具有较好的可再现性及可重复性,评分者间一致性(к=0.73)及评分者内一致性(к=0.81)很好。但是,该评分对于含有厚及不规则分隔的病变的评分者间及评分者内一致性较低,反映了对于含有分隔的病变评估的困难;此外,该评分对于一些特殊类型的病变亦具有局限性,例如该评分错误地将5例病变(包括交界性恶性肿瘤及混有透明细胞癌的子宫内膜异位症)分类为2类。尽管具有上述的一些局限性,非增强MRI评分的提出具有重要意义,它为不能行增强MRI检查时评估附件肿块良恶性提供了一种新方法,并且具有较好的分类效能,在未来的研究中应进一步进行外部验证以推动该评分的临床应用。

基于简化MRI协议的O-RADS评分在超声不确定的附件肿块中具有较高的准确性和有效性。O-RADS评价内容中灌注图像是关键要素,在当前临床实践中没有得到广泛应用,此外,灌注图像在技术上很难获得,需要后处理。ASLAN等[35]尝试使用简化MRI协议评估O-RADS评分,通过获取30、60、90、120和150 s采集的高空间分辨率动态图像,评估基于简化MRI协议的O-RADS表征超声不确定附件肿块的准确性及有效性。结果表明,在237例附件肿块中,O-RADS评分预测恶性肿瘤的敏感度为96.3%,特异度为95.2%,准确度为95.3%,鉴别良恶性肿块的AUC为0.983。该研究结果表明基于简化MRI协议的O-RADS评分在评估附件肿块中的高度准确性,但是,该研究所有病例均由经验丰富的放射科医生进行评估,没有评估具有不同经验程度的放射科医生之间的表现,这可能是结果高度准确的原因之一。

3.4 基于TIC和主观视觉评估的O-RADS MRI分类效能差别

O-RADS中TIC分析对于风险分层至关重要。尽管如此,放射科医生对病灶实性成分的主观视觉评估亦具有重要作用,由此产生的问题是,由放射科医生对DCE-MRI进行主观视觉评估是否能够准确地对病灶进行风险分层。研究表明,基于TIC分析比主观视觉评估更准确,能够达到更好的诊断准确性,WENGERT等[36]比较DCE-MRI中主观视觉评估和TIC评估将附件病变分为良性或恶性的诊断准确性,并评估对O-RADS评分的影响。该研究通过探究主观视觉和TIC评估相对于子宫外肌层的病灶实性成分的强化,然后根据基于主观视觉和基于TIC评估的O-RADS对病变进行分类,共分析了244名患者的320个病灶,研究表明:基于TIC的O-RADS评分比主观视觉评估更准确(AUC:0.87 vs. 0.73);TIC和主观视觉评估对恶性肿瘤的敏感度分别为96%和76%;对于良性病变,TIC比主观视觉评估更准确(86% vs. 78%),主要是因为更高的特异度(95% vs. 76%)。该研究提示TIC分析在O-RADS MRI评分的重要作用,也反映了一个重要问题,即在缺乏分析TIC曲线的条件时主观视觉评估的局限性,在O-RADS临床应用时需注意该问题,在具备相关条件时,应尽量采用TIC分析,以最大程度让患者获益[30],今后的研究可尝试在如何提高主观视觉评估分类准确性方面。

4 挑战与展望

O-RADS MRI风险分层系统为放射科医生和临床医生之间的沟通提供了一个标准化的沟通工具[37],然而,作为一种新方法,实施和使用O-RADS MRI风险分层系统存在挑战。在MRI技术层面,需要制订MRI协议,以包括必要的扫描序列,尤其是DCE扫描;此外,可能部分医疗机构因时间限制而无法进行DCE扫描。在放射科医生层面,需要了解如何在MRI上表征囊性和实性成分[38],特别是对O-RADS MRI中相关定义及术语的理解至关重要[39],例如对实性成分的理解,相关研究表明,O-RADS MRI的错误分类大部分是由于对实性成分的错误理解[40],因此,对于O-RADS MRI的临床应用,还可能需要对放射科医生进行专业培训。未来的研究应侧重于为目前缺乏数据的领域提供更多数据支撑。例如,由于DCE图像可以对病变内实性成分进行曲线分析,所以DCE-MRI用于卵巢-附件病变的评估要优于普通增强MRI[41],因此,在O-RADS MRI 4分和5分中,当使用非DCE-MRI评估卵巢-附件病变时,需要进一步研究以确定恶性肿瘤的PPV[17]。关于患者临床管理建议,需要进行前瞻性队列研究,评估O-RADS MRI评分系统在临床实践环境中的性能,以指导针对每个O-RADS MRI风险类别的未来管理建议的制订。

5 小结

综上所述,O-RADS MRI风险分层系统在卵巢-附件肿块分类方面具有良好的诊断效能,功能序列如ADC在提升该风险分层系统分类中具有重要价值,尚需要进一步大样本验证;此外,病变成分分析亦具有一定的补充价值;对于不能应用DCE-MRI或普通增强MRI情况时,非增强MRI评分或许可以成为一种选择,但仍需进一步验证。由于O-RADS MRI风险分层系统于近年提出,在临床应用中较少,相信随着该风险分层系统的逐渐应用并完善,其在卵巢-附件肿块良恶性分类及协助临床医生决策方面将发挥越来越重要的作用。

本文引用格式:

金俊杰, 邓锡佳, 张久权. 卵巢-附件影像报告和数据系统MRI风险分层的临床价值及其研究进展[J]. 磁共振成像, 2023, 14(4): 193-197, 202.

Cite this article as:

JIN J J, DENG X J, ZHANG J Q. Clinical value and research progress of MRI risk stratification in the Ovarian-Adnexal Reporting and Data System[J]. Chin J Magn Reson Imaging, 2023, 14(4): 193-197, 202.

利益冲突
利益冲突:

全体作者均声明无利益冲突。

参考文献References
[1]
SIEGELR L, MILLERK D, JEMALA. Cancer statistics, 2015[J]. CA A Cancer J Clin, 2015, 65(1): 5-29. DOI: 10.3322/caac.21254.
[2]
JOHANSENG, DAHM-KÄHLERP, STAFC, et al. A Swedish Nationwide prospective study of oncological and reproductive outcome following fertility-sparing surgery for treatment of early stage epithelial ovarian cancer in young women[J/OL]. BMC Cancer, 2020, 20(1): 1009 [2022-10-19]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7574478/. DOI: 10.1186/s12885-020-07511-y.
[3]
SADOWSKIE A, ROCKALLA G, MATURENK E, et al. Adnexal lesions: imaging strategies for ultrasound and MR imaging[J]. Diagn Interv Imaging, 2019, 100(10): 635-646. DOI: 10.1016/j.diii.2018.06.003.
[4]
PATEL-LIPPMANNK K, SADOWSKIE A, ROBBINSJ B, et al. Comparison of international ovarian tumor analysis simple rules to society of radiologists in ultrasound guidelines for detection of malignancy in adnexal cysts[J]. AJR Am J Roentgenol, 2020, 214(3): 694-700. DOI: 10.2214/AJR.18.20630.
[5]
FROYMANW, LANDOLFOC, DE COCKB, et al. Risk of complications in patients with conservatively managed ovarian tumours (IOTA5): a 2-year interim analysis of a multicentre, prospective, cohort study[J]. Lancet Oncol, 2019, 20(3): 448-458. DOI: 10.1016/S1470-2045(18)30837-4.
[6]
MEYSE M, KAIJSERJ, KRUITWAGENR F, et al. Subjective assessment versus ultrasound models to diagnose ovarian cancer: a systematic review and meta-analysis[J]. Eur J Cancer, 2016, 58: 17-29. DOI: 10.1016/j.ejca.2016.01.007.
[7]
LEVINED. O-RADS US: a retrospective assessment of prediction of malignancy in a high-risk setting[J]. Radiology, 2022, 304(1): 121-122. DOI: 10.1148/radiol.213128.
[8]
HACKK, GANDHIN, BOUCHARD-FORTIERG, et al. External validation of O-RADS US risk stratification and management system[J]. Radiology, 2022, 304(1): 114-120. DOI: 10.1148/radiol.211868.
[9]
MOKRYT, MLYNARSKA-BUJNYA, KUDERT A, et al. Ultra-high-b-value kurtosis imaging for noninvasive tissue characterization of ovarian lesions[J]. Radiology, 2020, 296(2): 358-369. DOI: 10.1148/radiol.2020191700.
[10]
SAIDAT, MORIK, HOSHIAIS, et al. Diagnosing ovarian cancer on MRI: a preliminary study comparing deep learning and radiologist assessments[J/OL]. Cancers, 2022, 14(4): 987 [2022-10-12]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8869991/. DOI: 10.3390/cancers14040987.
[11]
THOMASSIN-NAGGARAI, AUBERTE, ROCKALLA, et al. Adnexal masses: development and preliminary validation of an MR imaging scoring system[J]. Radiology, 2013, 267(2): 432-443. DOI: 10.1148/radiol.13121161.
[12]
DILKSP, NARAYANANP, REZNEKR, et al. Can quantitative dynamic contrast-enhanced MRI independently characterize an ovarian mass?[J]. Eur Radiol, 2010, 20(9): 2176-2183. DOI: 10.1007/s00330-010-1795-6.
[13]
MOHAGHEGHP, ROCKALLA G. Imaging strategy for early ovarian cancer: characterization of adnexal masses with conventional and advanced imaging techniques[J]. Radiographics, 2012, 32(6): 1751-1773. DOI: 10.1148/rg.326125520.
[14]
BERNARDINL, DILKSP, LIYANAGES, et al. Effectiveness of semi-quantitative multiphase dynamic contrast-enhanced MRI as a predictor of malignancy in complex adnexal masses: radiological and pathological correlation[J]. Eur Radiol, 2012, 22(4): 880-890. DOI: 10.1007/s00330-011-2331-z.
[15]
THOMASSIN-NAGGARAI, DARAÏE, CUENODC A, et al. Dynamic contrast-enhanced magnetic resonance imaging: a useful tool for characterizing ovarian epithelial tumors[J]. J Magn Reson Imaging, 2008, 28(1): 111-120. DOI: 10.1002/jmri.21377.
[16]
TIMMERMAND, VAN CALSTERB, TESTAA, et al. Predicting the risk of malignancy in adnexal masses based on the Simple Rules from the International Ovarian Tumor Analysis group[J]. Am J Obstet Gynecol, 2016, 214(4): 424-437. DOI: 10.1016/j.ajog.2016.01.007.
[17]
SADOWSKIE A, THOMASSIN-NAGGARAI, ROCKALLA, et al. O-RADS MRI risk stratification system: guide for assessing adnexal lesions from the ACR O-RADS committee[J]. Radiology, 2022, 303(1): 35-47. DOI: 10.1148/radiol.204371.
[18]
CHENH, YANGB W, QIANL, et al. Deep learning prediction of ovarian malignancy at US compared with O-RADS and expert assessment[J]. Radiology, 2022, 304(1): 106-113. DOI: 10.1148/radiol.211367.
[19]
WUM L, ZHANGM, CAOJ Y, et al. Predictive accuracy and reproducibility of the O-RADS US scoring system among sonologists with different training levels[J/OL]. Arch Gynecol Obstet, 2022 [2022-10-31]. https://pubmed.ncbi.nlm.nih.gov/35994107. DOI: 10.1007/s00404-022-06752-5.
[20]
PEREIRAP N, SARIANL O, YOSHIDAA, et al. Accuracy of the ADNEX MR scoring system based on a simplified MRI protocol for the assessment of adnexal masses[J]. Diagn Interv Radiol, 2018, 24(2): 63-71. DOI: 10.5152/dir.2018.17378.
[21]
THOMASSIN-NAGGARAI, ROCKALLA. Editorial for "validity and reproducibility of ADNEX MR SCORING system in diagnosis of sonographically indeterminate adnexal masses"[J]. J Magn Reson Imaging, 2021, 53(2): 640-641. DOI: 10.1002/jmri.27327.
[22]
PEREIRAP N, SARIANL O, YOSHIDAA, et al. Improving the performance of IOTA simple rules: sonographic assessment of adnexal masses with resource-effective use of a magnetic resonance scoring (ADNEX MR scoring system)[J]. Abdom Radiol (NY), 2020, 45(10): 3218-3229. DOI: 10.1007/s00261-019-02207-9.
[23]
THOMASSIN-NAGGARAI, PONCELETE, JALAGUIER-COUDRAYA, et al. Ovarian-adnexal reporting data system magnetic resonance imaging (O-RADS MRI) score for risk stratification of sonographically indeterminate adnexal masses[J/OL]. JAMA Netw Open, 2020, 3(1): e1919896 [2022-10-31]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6991280. DOI: 10.1001/jamanetworkopen.2019.19896.
[24]
REINHOLDC, ROCKALLA, SADOWSKIE A, et al. Ovarian-adnexal reporting lexicon for MRI: a white paper of the ACR ovarian-adnexal reporting and data systems MRI committee[J]. J Am Coll Radiol, 2021, 18(5): 713-729. DOI: 10.1016/j.jacr.2020.12.022.
[25]
SADOWSKIE A, MATURENK E, ROCKALLA, et al. Ovary: mri characterisation and O-RADS MRI[J/OL]. Br J Radiol, 2021, 94(1125): 20210157 [2022-10-17]. https://pubmed.ncbi.nlm.nih.gov/33929901/. DOI: 10.1259/bjr.20210157.
[26]
PEREIRAP N, YOSHIDAA, SARIANL O, et al. Assessment of the performance of the O-RADS MRI score for the evaluation of adnexal masses, with technical notes[J]. Radiol Bras, 2022, 55(3): 137-144. DOI: 10.1590/0100-3984.2021.0050.
[27]
AVESANIG, ELIAL, ANGHELONEA G, et al. Features of cystadenofibroma on magnetic resonance imaging: an update using the O-RADS lexicon and considering diffusion-weighted and perfusion imaging[J/OL]. Eur J Radiol, 2022, 154: 110429 [2022-10-15]. https://pubmed.ncbi.nlm.nih.gov/35797789/. DOI: 10.1016/j.ejrad.2022.110429.
[28]
HOTTATN A, BADRD A, VAN PACHTERBEKEC, et al. Added value of quantitative analysis of diffusion-weighted imaging in ovarian-adnexal reporting and data system magnetic resonance imaging[J]. J Magn Reson Imaging, 2022, 56(1): 158-170. DOI: 10.1002/jmri.28003.
[29]
XUH, YEL, CHENY T. Editorial for "added-value of quantitative analysis of diffusion-weighted imaging in ovarian-adnexal reporting and data system magnetic resonance imaging (O-RADS MRI): a prospective cohort study"[J]. J Magn Reson Imaging, 2022, 56(1): 171-172. DOI: 10.1002/jmri.28011.
[30]
ELSHETRYA S F, HAMEDE M, FRERER A F, et al. Impact of adding mean apparent diffusion coefficient (ADCmean) measurements to O-RADS MRI scoring for adnexal lesions characterization: A combined O-RADS MRI/ADCmean approach[J]. Acad Radiol, 2023, 30(2): 300-311. DOI: 10.1016/j.acra.2022.07.019.
[31]
LINY, HSIEHC Y, HUANGY L, et al. Magnetic resonance spectroscopy for risk stratification of sonographically indeterminate ovarian neoplasms: preliminary study[J/OL]. Diagnostics (Basel), 2021, 11(10): 1847 [2022-10-26]. https://pubmed.ncbi.nlm.nih.gov/34679545/. DOI: 10.3390/diagnostics11101847.
[32]
ASSOULINEV, DABIY, JALAGUIER-COUDRAYA, et al. How to improve O-RADS MRI score for rating adnexal masses with cystic component?[J]. Eur Radiol, 2022, 32(9): 5943-5953. DOI: 10.1007/s00330-022-08644-3.
[33]
CRESTANIA, THEODOREC, LEVAILLANTJ M, et al. Magnetic resonance and ultrasound fusion imaging to characterise ovarian masses: a feasibility study[J]. Anticancer Res, 2020, 40(7): 4115-4121. DOI: 10.21873/anticanres.14410.
[34]
SAHINH, PANICOC, URSPRUNGS, et al. Non-contrast MRI can accurately characterize adnexal masses: a retrospective study[J]. Eur Radiol, 2021, 31(9): 6962-6973. DOI: 10.1007/s00330-021-07737-9.
[35]
ASLANS, TOSUNS A. Diagnostic accuracy and validity of the O-RADS MRI score based on a simplified MRI protocol: a single tertiary center retrospective study[J]. Acta Radiol, 2023, 64(1): 377-386. DOI: 10.1177/02841851211060413.
[36]
WENGERTG J, DABIY, KERMARRECE, et al. O-RADS MRI classification of indeterminate adnexal lesions: time-intensity curve analysis is better than visual assessment[J]. Radiology, 2022, 303(3): 566-575. DOI: 10.1148/radiol.210342.
[37]
STEINE B, ROSELANDM E, SHAMPAINK L, et al. Contemporary guidelines for adnexal mass imaging: a 2020 update[J]. Abdom Radiol (NY), 2021, 46(5): 2127-2139. DOI: 10.1007/s00261-020-02812-z.
[38]
SADOWSKIE A, STEINE B, THOMASSIN-NAGGARAI, et al. O-RADS MRI after initial ultrasound for adnexal lesions: AJR expert panel narrative review[J]. AJR Am J Roentgenol, 2023, 220(1): 6-15. DOI: 10.2214/AJR.22.28084.
[39]
LEVINED. MRI O-RADS: learning about the new risk stratification system[J]. Radiology, 2022, 303(1): 48-50. DOI: 10.1148/radiol.211307.
[40]
THOMASSIN-NAGGARAI, BELGHITTIM, MILONA, et al. O-RADS MRI score: analysis of misclassified cases in a prospective multicentric European cohort[J]. Eur Radiol, 2021, 31(12): 9588-9599. DOI: 10.1007/s00330-021-08054-x.
[41]
孙梦雅, 胡笑笑, 张繁, . 卵巢-附件影像报告和数据系统(O-RADS)磁共振成像风险分层指南介绍和解读[J]. 影像诊断与介入放射学, 2022, 31(4): 243-251. DOI: 10.3969/j.issn.1005-8001.2022.04.001.
SUNM Y, HUX X, ZHANGF, et al. Introduction of the ovarian-adnexal reporting and data magnetic resonance imaging risk stratification system[J]. Diagn Imaging Interv Radiol, 2022, 31(4): 243-251. DOI: 10.3969/j.issn.1005-8001.2022.04.001.
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词