Evaluation of HPV Infection and Smoking Status Impacts on Cell Proliferation in Epithelial Layers of Cervical Neoplasia
Notice bibliographique
Résumé
Accurate cervical intra-epithelial neoplasia (CIN) lesion grading is needed for effective patient management. We applied computer-assisted scanning and analytic approaches to immuno-stained CIN lesion sections to more accurately delineate disease states and decipher cell proliferation impacts from HPV and smoking within individual epithelial layers. A patient cohort undergoing cervical screening was identified (n = 196) and biopsies of varying disease grades and with intact basement membranes and epithelial layers were obtained (n = 261). Specimens were sectioned, stained (Mib1), and scanned using a high-resolution imaging system. We achieved semi-automated delineation of proliferation status and epithelial cell layers using Otsu segmentation, manual image review, Voronoi tessellation, and immuno-staining. Data were interrogated against known status for HPV infection, smoking, and disease grade. We observed increased cell proliferation and decreased epithelial thickness with increased disease grade (when analyzing the epithelium at full thickness). Analysis within individual cell layers showed a ≥50% increase in cell proliferation for CIN2 vs. CIN1 lesions in higher epithelial layers (with minimal differences seen in basal/parabasal layers). Higher rates of proliferation for HPV-positive vs. -negative cases were seen in epithelial layers beyond the basal/parabasal layers in normal and CIN1 tissues. Comparing smokers vs. non-smokers, we observed increased cell proliferation in parabasal (low and high grade lesions) and basal layers (high grade only). In sum, we report CIN grade-specific differences in cell proliferation within individual epithelial layers. We also show HPV and smoking impacts on cell layer-specific proliferation. Our findings yield insight into CIN progression biology and demonstrate that rigorous, semi-automated imaging of histopathological specimens may be applied to improve disease grading accuracy.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».