Assessment of Automated Image Analysis of Breast Cancer Tissue Microarrays for Epidemiologic Studies
Notice bibliographique
Résumé
BACKGROUND: A major challenge in studies of etiologic heterogeneity in breast cancer has been the limited throughput, accuracy, and reproducibility of measuring tissue markers. Computerized image analysis systems may help address these concerns, but published reports of their use are limited. We assessed agreement between automated and pathologist scores of a diverse set of immunohistochemical assays done on breast cancer tissue microarrays (TMA). METHODS: TMAs of 440 breast cancers previously stained for estrogen receptor (ER)-alpha, progesterone receptor (PR), human epidermal growth factor receptor 2 (HER2), ER-beta, and aromatase were independently scored by two pathologists and three automated systems (TMALab II, TMAx, and Ariol). Agreement between automated and pathologist scores of negative/positive was measured using the area under the receiver operating characteristics curve (AUC) and weighted kappa statistics for categorical scores. We also investigated the correlation between immunohistochemical scores and mRNA expression levels. RESULTS: Agreement between pathologist and automated negative/positive and categorical scores was excellent for ER-alpha and PR (AUC range = 0.98-0.99; kappa range = 0.86-0.91). Lower levels of agreement were seen for ER-beta categorical scores (AUC = 0.99-1.0; kappa = 0.80-0.86) and both negative/positive and categorical scores for aromatase (AUC = 0.85-0.96; kappa = 0.41-0.67) and HER2 (AUC = 0.94-0.97; kappa = 0.53-0.72). For ER-alpha and PR, there was a strong correlation between mRNA levels and automated (rho = 0.67-0.74) and pathologist immunohistochemical scores (rho = 0.67-0.77). HER2 mRNA levels were more strongly correlated with pathologist (rho = 0.63) than automated immunohistochemical scores (rho = 0.41-0.49). CONCLUSIONS: Automated analysis of immunohistochemical markers is a promising approach for scoring large numbers of breast cancer tissues in epidemiologic investigations. This would facilitate studies of etiologic heterogeneity, which ultimately may allow improved risk prediction and better prevention approaches.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 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 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 ».