A Limited Panel of Immunomarkers Can Reliably Distinguish Between Clear Cell and High-grade Serous Carcinoma of the Ovary
Notice bibliographique
Résumé
The distinction of ovarian clear cell carcinomas (CCCs) from high-grade serous carcinomas (HG-SCs) is sometimes a diagnostic challenge. With the recognition that CCCs respond poorly to conventional chemotherapy there are efforts to initiate clinical trials for CCC, making accurate diagnosis critical. The purpose of this study was to test and validate a set of antibodies that could aid in the diagnosis of CCC, using a series of cases from different centers in North America. Using a test set of 133 CCCs, we identified the following markers: Cyclin E, estrogen receptor, hepatocyte nuclear factor (HNF)-1beta, Ki-67, p21, p53, and Wilms tumor (WT)1 that show significant discrimination from 200 HG-SCs. For validation, these markers were characterized on an independent set of 104 CCCs from 3 other centers. There were no significant differences in expression of these 7 markers between the independent test and validation sets of CCC. Combining all CCC cases (N=237), HNF-1beta showed the highest sensitivity (82.5%) and specificity (95.2%) for CCC, and WT1 for HG-SC (sensitivity: 79.9%, specificity: 97.4%). A diagnostic panel consisting of WT1, ER, and HNF-1beta demonstrated nearly identical performance as a panel using all 7 markers in distinguishing CCCs from HG-SCs, correctly classifying 84% of cases. Three percent of cases were misclassified and 13% carried an uninformative triple negative immunophenotype. CCCs show a distinct, reproducible immunophenotype, compared with HG-SCs, and a panel of 3 immunomarkers can serve as a diagnostic aid in problematic cases.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».