LI-RADS

LI-RADS
LI-RADS
Example of multi-phase contrast-enhanced CT scan of the liver, which is used for LIRADS criteria.
LIRADS 분류는 특정 만성 간질환자의 다상 조영 증강 CT 또는 MRI 스캔에 적용된다.
동의어간 보고서 및 데이터 시스템

LI-RADS(Liver Imaging Reporting and Data System)는 간세포암(HCC) 위험이 있는 [1]CT 및 MR 영상 환자의 보고 및 데이터 수집을 표준화하기 위해 2011년 미국 방사선학회가 만들고 상표화한 품질 보증 도구입니다.방사선 전문의에 의한 간병변 분류를 위한 표준화된 프레임워크를 제공하며, 간암의 주요 위험인자인 만성 간질환 환자에게만 적용된다.LR1에서 LR5까지의 계층적 분류는 해당 병변의 특정 영상 특성을 기반으로 하며 악성 종양에 대한 의심 정도에 해당합니다.예를 들어, 가장 높은 범주인 LR5에 해당하는 특징이 있는 병변은 "확실히" HCC입니다.중요한 것은 임상의(치과 종양학자, 간장 및 간 이식 외과 의사)에 의한 보고의 LI-RADS 시스템의 수용이 증가함에 따라 만성 간질환 환자의 암 조직 생검 확인의 필요성이 감소하였다.

LI-RADS 시스템은 [2]2014년과 2018년 [3]7월에 두 번의 개정을 거쳤다.

2016년 ACR은 조영 증강 초음파 영상에 적용되는 LI-RADS 버전인 CEUS LI-RADS를 [1]발표했다.

LI-RADS 2018 버전

LI-RADS v2018은 분류에 약간의 변경을 가하여 작은 HCC(1~[4]2cm) 검출 감도를 개선함

간이식에서의 LI-RADS의 역할

간세포암에 대한 유일한 치료법은, 그 병이 간을 넘어 전이되지 않았다고 가정할 때, 수술로 종양을 몸에서 제거하는 것이다.경우에 따라서는 종양이 한정되어 있고 환자가 수술을 견딜 수 있을 정도로 건강하다면, 간에서 환부를 절제함으로써 종양이 성공적으로 치료될 수 있다.간 질환이 진행되어 외과적 절제술에 적합하지 않은 경우(일반적으로 Child-Pugh 점수 기준), 간 이식은 여전히 치료 방법일 수 있습니다.질병이 간을 넘어 퍼지지 않았다면 간 이식은 효과적으로 몸에서 모든 암세포를 제거하는 한편, 질병 토종 간을 더 잘 기능하는 이식 장기로 대체한다.

간 이식은 재발하는 암의 위험을 포함하여 상당한 위험이 있다.HCC 치료로서의 이식 성과와 생존 혜택은 엄격한 기준을 충족하는 "최고의" 후보자에게 이식될 때 가장 높다.완전한 의학적, 심리학적 평가를 받는 것 외에 암의 정도에 대한 영상 평가는 이식 적격성의 중요한 구성요소이다.1996년 획기적인 연구는 간경변과 절제 불가능한 HCC에 대한 간 이식 후 전체 및 무재발 생존이 현재 밀라노 [5]기준이라고 알려진 특정 엄격한 기준을 충족하는 질병으로 제한됨으로써 개선되었음을 보여주었다.이 기준에는 활성 간종양의 크기와 수, 그리고 큰 혈관의 침입이 없는 것의 평가 등이 포함됩니다.미국에서는 현재 장기조달 및 이식 네트워크(OPTN) 위원회가 이식 [6]후보자를 평가하기 위해 이러한 밀라노 기준을 사용하고 있습니다.기준에서 정의한 바와 같이 제한된 질병을 가진 사람만이 이식 대상으로 간주됩니다.

HCC 치료를 위한 간이식 후보자는 기증자의 장기 이용 가능성을 기다리면서 반복 영상검사를 통해 정기적으로 평가 및 재평가된다.암이 밀라노 기준을 초과하지 않는 한, 그 사람은 이식 대상자로 남을 수 있다.따라서 질병 부담에 대한 정확하고 일관된 평가가 중요하다.예를 들어, 3개의 작은 HCC 병변이 있는 사람이 새로운 4번째 간결절이 생긴다면, 이 병변은 암이라고 명확하게 진단하면 이식 후보자가 될 수 없습니다.

LI-RADS 보고서 시스템의 5계층은 OPTN을 관리하는 [6]Unified Network for Organ Sharing(UNOS)이 권장하는 5계층 분류에 대응하도록 설계되었습니다.모든 점에서 OPTN/UNOS 클래스 1-5는 LI-RADS 1-5 분류에 해당하지만 다음과 같은 작은 차이가 있습니다.

  • OPTN 클래스 0(불완전하거나 기술적으로 부적절한 영상 연구)에는 대응하는 LI-RADS 범주가 없습니다.
  • OPTN 시스템은 OPTN 클래스 5를 종양 크기와 치료 상태에 따라 하위 클래스(OPTN 5A, 5B, 5X, 5T)로 나눕니다.
  • LI-RADS 시스템은 병변 분류를 변경할 수 있는 몇 가지 하위 항목과 보조적인 "동일 끊기" 규칙을 포함합니다.

분류에는 5가지 단계가 있지만, 가장 유의하고 실행 가능한 분류는 LI-RADS 또는 OPTN/UNOS 5로, 결절이 "확실히" 암임을 나타냅니다.UNOS-OPTN 권고사항은 악성종양의 엄격한 기준을 충족하지 않는 간결절에 대한 지침을 제공하지 않는다.

기계 학습을 사용한 자동 추출

자연 언어 처리 tool[7]LI-RADS 평가 범주의 계산의 결과 간 세포 암에 걸릴 위험이 같은 득점 criteri를 사용하여 환자들의 심사 권고 사항과 치료 계획 표준화 할 수 있는 기존 방사선 보고서(LI-RADS 없이 분석도 문서화)에 기록된 이용할 수 있다.a.또한 이러한 시스템은 표준 병원 임상 데이터 저장소에서 대규모 텍스트 마이닝 및 데이터 수집 기회를 제공함으로써 이미지를 이용한 AI 기반 의료 연구를 촉진할 수 있다.

레퍼런스

  1. ^ a b "Liver Imaging Reporting and Data System". ACR.org. American College of Radiology. Retrieved 19 February 2017.
  2. ^ "LI-RADS v2014". American College of Radiology. Retrieved 2017-07-09.
  3. ^ "CT/MRI LI-RADS® v2017". American College of Radiology. Retrieved 2017-07-09.
  4. ^ Lee, Sang Min; Lee, Jeong Min; Ahn, Su Joa; Kang, Hyo-Jin; Yang, Hyun Kyung; Yoon, Jeong Hee (16 July 2019). "LI-RADS Version 2017 versus Version 2018: Diagnosis of Hepatocellular Carcinoma on Gadoxetate Disodium–enhanced MRI". Radiology. 292 (3): 655–663. doi:10.1148/radiol.2019182867. ISSN 0033-8419. PMID 31310175.
  5. ^ Mazzaferro, Vincenzo; Regalia, Enrico; Doci, Roberto; Andreola, Salvatore; Pulvirenti, Andrea; Bozzetti, Federico; Montalto, Fabrizio; Ammatuna, Mario; Morabito, Alberto (1996-03-14). "Liver Transplantation for the Treatment of Small Hepatocellular Carcinomas in Patients with Cirrhosis". New England Journal of Medicine. 334 (11): 693–700. doi:10.1056/nejm199603143341104. ISSN 0028-4793. PMID 8594428.
  6. ^ a b Wald, Christoph; Russo, Mark W.; Heimbach, Julie K.; Hussain, Hero K.; Pomfret, Elizabeth A.; Bruix, Jordi (2013-02-01). "New OPTN/UNOS Policy for Liver Transplant Allocation: Standardization of Liver Imaging, Diagnosis, Classification, and Reporting of Hepatocellular Carcinoma". Radiology. 266 (2): 376–382. doi:10.1148/radiol.12121698. ISSN 0033-8419. PMID 23362092.
  7. ^ Banerjee, Imon; Choi, Hailye H.; Desser, Terry; Rubin, Daniel L. (2018). "A Scalable Machine Learning Approach for Inferring Probabilistic US-LI-RADS Categorization". AMIA ... Annual Symposium Proceedings. AMIA Symposium. 2018: 215–224. ISSN 1942-597X. PMC 6371287. PMID 30815059.