BI-RADS

BI-RADS

BI-RADS는 유방 촬영에 사용하기 위해 원래 설계된 품질 보증 도구인 Breast Imaging-Reporting and Data System약자다.이 시스템은 많은 건강 그룹들의 협력적인 노력이지만 미국 방사선학대학(ACR)에 의해 출판되고 상표권이 부여된다.

이 시스템은 보고를 표준화하기 위해 고안되었으며, 특히 유방조직이 밀집된 환자를 위해 의료진이 환자의 유방암 발병 위험을 전달하는 데 사용된다.이 문서는 환자에게 제공되는 "레이 리포트"가 아닌 의료진이 사용하는 환자 보고서에 초점을 맞추고 있다.

게시된 문서

BI-RADS는 ACR에 의해 BI-RADS 아틀라스의 형태로 출판된다.2013년 현재 Atlas는 다음 3가지 간행물로 구분된다.

  • 유방조영술, 제5판
  • 초음파, 제2판
  • MRI, Second Edition

평가 범주

BI-RADS는 품질관리 시스템인 반면, 일상용어로 BI-RADS라는 용어는 유방조영술 평가 카테고리를 가리킨다.이것들은 일반적으로 방사선사가 유방조영술을 해석한 후 부여한 표준화된 수치 코드들이다.이를 통해 여러 의사와 의료 시설 간의 환자 기록을 간결하고 명확하게 이해할 수 있다.[1]

평가 범주는 유방조영술을 위해 개발되었고 나중에 MRI와 초음파 소견에 사용하도록 조정되었다.아래 주어진 각 범주의 요약은 세 가지 모든 양식에 대해 거의 동일하다.

카테고리 6은 BI-RADS 제4판에 추가되었다.

BI-RADS 평가 카테고리는 다음과 같다.[2]

  • 0: 불완전
  • 1: 네거티브
  • 2: 양성
  • 3: 아마도 양성일 것이다.
  • 4: 수상하다
  • 5: 악의적인 성향을 매우 암시함
  • 6: 알려진 조직 검사 – 입증된 악성 피부 관리

불완전한(BI-RADS 0) 분류는 비교를 위해 사전 이미징을 확인하거나 추가 보기 및/또는 더 높은 품질의 필름에 대해 환자에게 다시 전화하기 위한 노력을 보장한다.BI-RADS 분류는 4 또는 5의 생체실험을 보장하여 불쾌감을 주는 병변을 추가로 평가한다.[3]일부 전문가들은 단일 BI-RADS 4 분류가 암의 위험을 의사들에게 적절하게 전달하지 못한다고 보고 하위 분류 체계를 권고한다.[4]

  • 4A: 악성코드에 대한 낮은 의심, 악성코드에 대한 약 2% ~ 10% 가능성
  • 4B: 악성코드에 대한 중간 의심, 약 10% ~ ≤ 악성코드에 대한 50% 가능성
  • 4C: 중간 정도의 우려는 있지만, 악성 코드에 대해서는 고전적이지 않으며, 악성 코드에 대한 가능성은 약 50% ~ 95%이다.

유방 구성 범주

BI-RADS 5판 기준

  • a. 젖가슴은 거의 전체적으로 지방이 많다.
  • b. 섬유질 밀도의 산란 영역이 있다.
  • c. 젖가슴은 이질적으로 밀도가 높아서 작은 덩어리를 흐리게 할 수 있다.
  • d. 유방이 극도로 조밀하여 유방조영술의 민감도를 낮춘다.

자동 추출

자동 파서기는 텍스트 유방 촬영 보고서로부터 BI-RADS 특징,[6][7] 카테고리[8], 유방 조성을[9] 자동으로 추출할 수 있도록 개발되었다.

또한 텍스트 유방 촬영 보고서의 반형식 소견 부분만 구문 분석하여 BI-RADS 최종 범주 추론에 사용할 수 있는 자동 파서가 있다.

외부 링크

참조

  1. ^ Mehrjardi, Mohammad Zare (2015). "Bi-RADS® for: mammography and ultrasound (2013 updated version) (PDF Download Available)". ResearchGate. doi:10.13140/rg.2.2.24908.82562/1.
  2. ^ 미국 방사선학대학(ACR) 유방 영상 보고 및 데이터 시스템 아틀라스(BI-RADS Atlas)Reston, Va: © American College of Radioology; 2003
  3. ^ 초음파 유도 경피적 유방 중재시술의 수행을 위한 ACR 실천지침 제29조; 미국 방사선학대학; 2009
  4. ^ Sanders, M. A.; Roland, L.; Sahoo, S. (2010). "Clinical Implications of Subcategorizing BI-RADS 4 Breast Lesions associated with Microcalcification: A Radiology–Pathology Correlation Study". The Breast Journal. 16 (1): 28–31. doi:10.1111/j.1524-4741.2009.00863.x. PMID 19929890. S2CID 9585100.
  5. ^ D'Orsi CJ, Sickles EA, Mendelson EB, Morris EA, et al. (2013). ACR BI-RADS® Atlas, Breast Imaging Reporting and Data System. Reston, VA: American College of Radiology.
  6. ^ Nassif, Houssam; Woods, Ryan; Burnside, Elizabeth; Ayvaci, Mehmet; Shavlik, Jude; Page, David (2009). "Information Extraction for Clinical Data Mining: A Mammography Case Study" (PDF). IEEE International Conference on Data Mining (ICDM'09) Workshops. Miami: 37–42. doi:10.1109/icdmw.2009.63. ISBN 978-1-4244-5384-9. PMC 3676897. PMID 23765123.
  7. ^ Nassif, Houssam; Cunha, Filipe; Moreira, Ines C; Cruz-Correia, Ricardo; Sousa, Eliana; Page, David; Burnside, Elizabeth; Dutra, Ines (2012). "Extracting BI-RADS Features from Portuguese Clinical Texts". IEEE International Conference on Bioinformatics and Biomedicine (BIBM'12): 539–542. doi:10.1109/bibm.2012.6392613. ISBN 978-1-4673-2560-8. PMC 3688645. PMID 23797461.
  8. ^ Sippo, Dorothy A; Warden, Graham I; Andriole, Katherine P; Lacson, Ronilda; Ikuta, Ichiro; Birdwell, Robyn L; Khorasani, Ramin (2013). "Automated Extraction of BI-RADS Final Assessment Categories from Radiology Reports with Natural Language Processing". Journal of Digital Imaging. 26 (5): 989–994. doi:10.1007/s10278-013-9616-5. PMC 3782591. PMID 23868515.
  9. ^ Percha, Bethany; Nassif, Houssam; Lipson, Jafi; Burnside, Elizabeth; Rubin, Daniel (2012). "Automatic classification of mammography reports by BI-RADS breast tissue composition class". Journal of the American Medical Informatics Association. 19 (5): 913–916. doi:10.1136/amiajnl-2011-000607. PMC 3422822. PMID 22291166.
  10. ^ Banerjee, Imon; Bozkurt, Selen; Alkim, Emel; Sagreiya, Hersh; Kurian, Allison W; Rubin, Daniel L (2019-04-01). "Automatic inference of BI-RADS final assessment categories from narrative mammography report findings". Journal of Biomedical Informatics. 92: 103137. doi:10.1016/j.jbi.2019.103137. PMC 6462247. PMID 30807833.