Evaluation of Quantitative Digital Pathology in the Assessment of Barrett Esophagus–Associated Dysplasia
Notice bibliographique
Résumé
OBJECTIVES: Barrett esophagus (BE) is a precursor lesion that confers an increased risk of esophageal adenocarcinoma. Two issues confront the diagnosis of patients with BE: (1) sampling error at the time of endoscopy and (2) variability among pathologists in grading dysplasia. The purpose of our study was to evaluate quantitative digital pathology (QDP) as a marker of dysplasia and stratification from low-grade to high-grade dysplasia to intramucosal adenocarcinoma in BE. METHODS: Sixty-one esophageal biopsy specimens with BE were selected and divided into six groups according to the dysplasia grade. QDP image analysis was carried out by an in-house automated quantitative system on sections. The values of 110 nuclear features that analyze the morphology and chromatin texture were generated for each nucleus. RESULTS: A progressive correlation was found between nuclear morphometric features and chromatin features with BE dysplasia. The chromatin texture was the best discriminator of the class diagnosis. There was a significant difference between the chromatin features of isolated low-grade dysplasia vs low-grade dysplasia that was associated with higher grade lesions in other biopsy tissue fragments. CONCLUSIONS: QDP is a promising tool in the new era of digital pathology. Pending clinical validation studies, analysis of chromatin texture could contribute to the differential diagnosis of BE class and the detection of concomitant high-grade lesions if not sampled.
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 | 0,013 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».