Increase of sensitivity of sputum cytology using high‐resolution image cytometry: Field study results
Notice bibliographique
Résumé
Lung cancer remains the leading cause of cancer deaths in the developed world. There is no widely accepted method to screen for this cancer. The most commonly used method remains conventional sputum cytology, but this method is hampered by low sensitivity. We tested the hypothesis that sensitivity of sputum cytology for early lung cancer can be greatly improved by using image analysis of sputum cells, at a modest reduction of specificity. The study was double-blinded and used sputum samples from subjects with well-characterized clinical diagnoses. There were 177 cancers, 98 dysplasias, and 558 normals. The study samples were separated into two independent sets: training set and test set. Sputum samples were collected prospectively from subjects with a high probability of having lung cancer. Seven institutions from five countries participated in the study. All subjects had complete clinical diagnoses which included, as a minimum, negative chest x-rays for all negative cancers, while all cancers had confirmed tissue pathology. Samples were prepared according to the Saccomanno method. For conventional cytology, slides were stained using Papanicolaou stain. For image analysis, slides were stained using a DNA-specific (Feulgen-Thionin) stain. An automated, high-resolution image cytometer was used for measurements. At 90% specificity, sensitivity of 60% can be achieved for adenocarcinoma, compared to only 14% sensitivity of conventional cytology (at 99% specificity). Similarly, 45% sensitivity at 90% specificity can be reached for stages 0 and I lung cancer, compared to only 14% (at 99% specificity) using conventional cytology.Cytometry combined with conventional cytology shows an increase in sensitivity to early-stage cancer and to adenocarcinomas compared to conventional cytology alone. While the results are encouraging, the sensitivity to detect early lung cancer should be further improved to 70-80% at 90-95% specificity before this test can be considered for screening of high-risk individuals for lung cancer. Cytometry (Clin. Cytometry) 50:168-176, 2002.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».