Comparative Study of Human and Automated Screening for Antinuclear Antibodies by Immunofluorescence on HEp-2 Cells
Notice bibliographique
Résumé
Background: Several automated systems had been developed in order to reduce inter-observer variability in indirect immunofluorescence (IIF) interpretation. We aimed to evaluate the performance of a processing system in antinuclear antibodies (ANA) screening on HEp-2 cells. Patients and Methods: This study included 64 ANA-positive sera and 107 ANA-negative sera that underwent IIF on two commercial kits of HEp-2 cells (BioSystems® and Euroimmun®). IIF results were compared with a novel automated interpretation system, the “CyclopusCADImmuno®” (CAD). Results: All ANA-positive sera images were recognized as positive by CAD (sensitivity = 100%), while 17 (15.9%) of the ANA-negative sera images were interpreted as positive (specificity = 84.1%), κ=0.799 (SD=0.045). Comparison of IIF pattern determination between human and CAD system revealed on HEp-2 (BioSystems®), a complete concordance in 6 (9.37%) sera, a partial concordance (sharing of at least 1 pattern) in 42 (65.6%) cases and in 16 (25%) sera the pattern interpretation was discordant. Similarly, on HEp-2 (Euroimmun®) the concordance in pattern interpretation was total in 5 (7.8%) sera, partial in 39 (60.9%) and absent in 20 (31.25%). For both tested HEp-2 cells kits agreement was enhanced for the most common patterns, homogenous, fine speckled and coarse speckled. While there was an issue in identification of nucleolar, dots and nuclear membranous patterns by CAD. Conclusion: Assessment of ANA by IIF on HEp-2 cells using the automated interpretation system, the “CyclopusCADImmuno®” is a reliable method for positive/negative differentiation. Continuous integration of IIF images would improve the pattern identification by the CAD.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».