Quantification of the morphologic features of fibroepithelial tumors of the breast.
Notice bibliographique
Résumé
CONTEXT: Phyllodes tumors of the breast are uncommon, comprising 0.3% to 0.9% of female primary breast tumors. Owing in part to their rarity, definitive, objective, reproducible morphologic criteria that reliably distinguish benign from low-grade malignant or malignant phyllodes tumors have yet to be established. OBJECTIVE: To use image analysis to quantitate and compare morphologic features of different groups of fibroepithelial tumors (FETs) of the breast. DESIGN: Hematoxylin-eosin-stained sections of 41 FETs previously identified as fibroadenoma, benign phyllodes, low-grade malignant phyllodes, or high-grade malignant phyllodes were blinded and studied using a Leica DMRA2 microscope and OpenLab Image Analysis software. Features measured included mitotic rate per 10 high-power fields, stromal cellularity, nuclear size, stromal overgrowth, and the largest and smallest stromal-epithelial surface area ratios. Epithelial appearance was measured on a semiquantitative basis. Features of each case including tumor size, margin status, and the presence of necrosis or heterologous elements were also considered; these data were retrieved from surgical pathology reports. RESULTS: Quantitative measures of stromal cellularity, stromal-epithelial ratio, mitotic rate, stromal overgrowth, and mean nuclear diameter were developed and found to stratify a population of FETs by the current classification system of fibroadenoma, benign, and low-grade or high-grade malignant phyllodes tumor. CONCLUSIONS: Quantitative morphologic features of FETs can be used to stratify these tumors by subtype. Use of these quantitative criteria could reduce interrater variability in histologically identifying FETs by subclass.
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 | 0,000 |
| 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 ».