Validation of automatic scanning of microscope slides in recovering rare cellular events: application for detection of fetal cells in maternal blood
Notice bibliographique
Résumé
OBJECTIVE: Detection of rare fetal cells (FCs) in the maternal circulation could be used for non-invasive prenatal diagnosis. Considering that FCs in maternal blood are present in extremely low frequency, manual scanning is cumbersome, time-consuming, and unsuitable for clinical applications. As an alternative, we optimized a custom-made classifier for automatic detection of FCs. METHODS: Using MetaSystems' automated platform, we developed a robust detection algorithm and validated its efficiency on retrieval of rare XY cells in a pure population of XX cells. Slides were scanned for presence of predefined XY cells after fluorescence in situ hybridization (FISH) and primed in situ labeling (PRINS). Retrieval of FCs was also performed on samples from maternal blood. RESULTS: The efficiency of detection of rare XY cells was 88% using FISH (117/133) in comparison with 78% (53/68) with PRINS. FC frequencies per 1 mL of maternal blood ranged from 3 to 6 FCs in normal pregnancies versus 13 to 21 FCs in Down syndrome pregnancies. CONCLUSION: Automatic scanning was more efficient and consistent than manual scanning for detection of rare FCs and required considerably less operator time. Automatic scanning using FISH is more sensitive than that using PRINS. The study validates automatic scanning retrieval of FCs from maternal blood.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».