RESUMO

BACKGROUND: Solitary pulmonary nodules (SPNs) frequently bother oncologists. The differentiation of malignant from benign nodules with non-invasive approach remains a tough challenge. This study was designed to assess the diagnostic accuracy of dynamic computed tomography (CT), dynamic magnetic resonance imaging (MRI), fluorine 18 fluorodeoxyglucose (18F-FDG) positron emission tomography (PET), and technetium 99 m (99mTc) depreotide single photon emission computed tomography (SPECT) for SPNs. METHODS: Electronic databases of MEDLINE, PubMed, EMBASE, and Cochrane Library were searched to identify relevant trials. The primary evaluation index of diagnostic accuracy was areas under the summary receiver-operating characteristic (SROC) curve. The results were analyzed utilizing Stata 12.0 statistical software. RESULTS: Seventy-three trials incorporating 7956 individuals were recruited. Sensitivities, specificities, positive likelihood ratios, negative likelihood ratios, diagnostic score, diagnostic odds ratios, and areas under the SROC curve with 95% confidence intervals were, respectively, 0.92 (0.89-0.95), 0.64 (0.54-0.74), 2.60 (1.98-3.42), 0.12 (0.08-0.17), 3.10 (2.62-3.59), 22.24 (13.67-36.17), and 0.91 (0.88-0.93) for CT; 0.92 (0.86-0.95), 0.85 (0.77-0.90), 6.01 (3.90-9.24), 0.10 (0.06-0.17), 4.12 (3.41-4.82), 61.39 (30.41-123.93), and 0.94 (0.92-0.96) for MRI; 0.90 (0.86-0.93), 0.73 (0.65-0.79), 3.28 (2.56-4.20), 0.14 (0.10-0.19), 3.16 (2.69-3.64), 23.68 (14.74-38.05), and 0.90 (0.87-0.92) for 18F-FDG PET; and 0.93 (0.88-0.96), 0.70 (0.56-0.81), 3.12 (2.03-4.81), 0.10 (0.06-0.17), 3.43 (2.63-4.22), 30.74 (13.84-68.27), and 0.93 (0.91-0.95) for 99mTc-depreotide SPECT. CONCLUSION: The dynamic MRI, dynamic CT, 18F-FDG PET, and 99mTc-depreotide SPECT were favorable non-invasive approaches to distinguish malignant SPNs from benign. Moreover, from the viewpoint of cost-effectiveness and avoiding radiation, the dynamic MRI was recommendable for SPNs.

Assuntos

RESUMO

En los últimos años la comunidad científica internacional ha dedicado considerables recursos a la investigación y desarrollo de sistemas de diagnóstico asistidos por ordenador, utilizados por los médicos en el proceso de diagnóstico. Se ha prestado especial atención en algunas áreas médicas, como las especialidades oncológicas, por los altos índices de mortalidad provocados por algunas enfermedades como el cáncer de pulmón. El diagnóstico temprano de este padecimiento puede reducir en gran medida estos indicadores y mejorar la calidad de vida de los pacientes. El objetivo que se pretende con el desarrollo de esta investigación, es la selección adecuada de un algoritmo de clasificación, para ser utilizado en la fase que lleva el mismo nombre como parte de un sistema de diagnóstico asistido por ordenador para la clasificación de nódulos pulmonares solitarios. Para la selección adecuada del algoritmo de clasificación, se realiza un experimento utilizando las herramientas Weka v3.7.10 y Matlab 2013. Para determinar cuál de las técnicas estudiadas arroja mejores resultados de rendimiento, se utilizó el mismo conjunto de datos para las fases de entrenamiento, prueba y validación del clasificador, disponible en la base de datos internacional The Lung Image Database Consortium Image Collection(AU)

In recent years the international scientific community has devoted considerable resources to research and development of systems for computer-aided diagnosis used by physicians in the diagnostic process. Special attention has been provided in some medical areas, such as oncology specialties, by high mortality rates caused by some diseases like lung cancer. Early diagnosis of this condition can greatly reduce these indicators and improve quality of life of patients.The objective pursued with the development of this research is the proper selection of a classification algorithm, to be used in the phase that has the same name, as part of a system of computer-aided diagnosis for classification of solitary pulmonary nodules. For the selection of the appropriate classification algorithm, an experiment was performed using the tools Weka v3.7.10 and Matlab 2013. To determine which of the techniques studied produces better performance results, the same data set was used for the phases of training, testing and validation of the classifier, available in the international database The Lung Image Database Consortium Image Collection(AU)

Assuntos

RESUMO

La identificación del cáncer de pulmón en fases iniciales ha sido en los últimos años una tarea priorizada de la comunidad científica. Esta enfermedad representa la primera causa de muerte en el varón y la tercera después del cáncer de colon y mama en la mujer. La realización de estudios imagenológicos contribuye a la detección temprana de esta enfermedad. El elevado volumen de imágenes generado por los equipos médicos provoca la revisión de mucha información para emitir un diagnóstico médico. Con frecuencia se requiere la valoración de varios especialistas para llegar a un diagnóstico acertado, retardando el proceso de atención al paciente. En la presente investigación se exponen los resultados obtenidos al desarrollar un algoritmo utilizando métodos de procesamiento de imágenes, para la identificación de nódulos pulmonares solitarios. La utilización de sistemas que dirigen la atención de los especialistas a regiones candidatas en la imagen, proporcionando una segunda opinión en la interpretación de los resultados, pudiera mejorar la consistencia y agilizar el proceso de diagnóstico. Los resultados arrojados por el algoritmo desarrollado fueron contrastados con las anotaciones realizadas en imágenes publicadas en The Lung Image Database Consortium Image Collection (LIDC-IDRI) y se obtuvo un 77.78 % de acierto en la detección de nódulos pulmonares solitarios(AU)

The identification of lung cancer at early stages has been in recent years a prioritized task for the scientific community. This disease is the leading cause of death in men and the third after the colon and breast cancer in women. Performing imaging studies contributes to the early detection of this disease. The high volume of images generated by medical equipment leads to reviewing much information to issue a medical diagnosis. Often are required the assessment of several specialists to reach an accurate diagnosis, slowing the process of patient care. In the present investigation are exposed the results obtained to develop an algorithm using image processing methods for the identification of solitary pulmonary nodules. The use of systems that direct the attention of specialists to candidate regions in the image, providing a second opinion in the interpretation of results could improve consistency and agility in the diagnostic process. The results obtained by the developed algorithm were compared with annotations in images published in The Lung Image Database Consortium Image Collection (LIDC-IDRI) and was obtained 77.78 % accuracy in the detection of solitary pulmonary nodules(AU)

Assuntos

RESUMO

La identificación del cáncer de pulmón en fases iniciales ha sido en los últimos años una tarea priorizada de la comunidad científica. Esta enfermedad representa la primera causa de muerte en el varón y la tercera después del cáncer de colon y mama en la mujer. La realización de estudios imagenológicos contribuye a la detección temprana de esta enfermedad. El elevado volumen de imágenes generado por los equipos médicos provoca la revisión de mucha información para emitir un diagnóstico médico. Con frecuencia se requiere la valoración de varios especialistas para llegar a un diagnóstico acertado, retardando el proceso de atención al paciente. En la presente investigación se exponen los resultados obtenidos al desarrollar un algoritmo utilizando métodos de procesamiento de imágenes, para la identificación de nódulos pulmonares solitarios. La utilización de sistemas que dirigen la atención de los especialistas a regiones candidatas en la imagen, proporcionando una segunda opinión en la interpretación de los resultados, pudiera mejorar la consistencia y agilizar el proceso de diagnóstico. Los resultados arrojados por el algoritmo desarrollado fueron contrastados con las anotaciones realizadas en imágenes publicadas en The Lung Image Database Consortium Image Collection (LIDC-IDRI) y se obtuvo un 77.78 por ciento de acierto en la detección de nódulos pulmonares solitarios(AU)

The identification of lung cancer at early stages has been in recent years a prioritized task for the scientific community. This disease is the leading cause of death in men and the third after the colon and breast cancer in women. Performing imaging studies contributes to the early detection of this disease. The high volume of images generated by medical equipment leads to reviewing much information to issue a medical diagnosis. Often are required the assessment of several specialists to reach an accurate diagnosis, slowing the process of patient care. In the present investigation are exposed the results obtained to develop an algorithm using image processing methods for the identification of solitary pulmonary nodules. The use of systems that direct the attention of specialists to candidate regions in the image, providing a second opinion in the interpretation of results could improve consistency and agility in the diagnostic process. The results obtained by the developed algorithm were compared with annotations in images published in The Lung Image Database Consortium Image Collection (LIDC-IDRI) and was obtained 77.78 percent accuracy in the detection of solitary pulmonary nodules(AU)

Assuntos