The histopathological spectrum of cutaneous meningeal heterotopias: clues and pitfalls
Notice bibliographique
Résumé
AIMS: To describe the histopathological features of heterotopic cutaneous meningeal tissue. METHODS AND RESULTS: Nineteen cases were collected between 1993 and 2010. Immunohistochemistry for epithelial membrane antigen (EMA), neuron specific enolase (NSE), S100, glial fibrillary acid protein (GFAP), progesterone receptor (PR), CD31, glucose transporter-1 (Glut-1), podoplanin and NKI-C3 was performed. Lesions were congenital (100%) and presented as aplasia cutis with alopecia (63%) or lumps (37%), on the scalp (18 of 19) and sacral region. Resonance magnetic imaging revealed four underlying anomalies of the neuraxis. Histopathological analysis showed meningeal tissue arranged in four variably associated architectural patterns: fibrous (100%), pseudovascular (100%), cellular (68%) and pseudomyxoid (32%). Other features included collagen bodies (58%), calcifications (26%) and dermal melanocytes (32%). Heterotopic brain tissue or heterotopic ependymal cyst was associated in two cases. Arachnoidal cells expressed EMA and NSE, but not S100 protein, CD31 or GFAP. They expressed podoplanin (93%), especially in pseudovascular areas, NKI-C3 (79%), and less frequently Glut-1 (46%) and PR (30%). CONCLUSIONS: Histopathological features of cutaneous meningeal heterotopias are various and sometimes misleading. Fibrous lesions should not be misdiagnosed as aplasia cutis. Podoplanin-positive pseudovascular spaces represent the main pitfall and should not be diagnosed as lymphangioma. Correct diagnosis is confirmed by EMA and NSE coexpression within the lesion.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».