Automated sputum cytometry for detection of intraepithelial neoplasias in the lung.
Notice bibliographique
Résumé
BACKGROUND: Despite the benefits of early lung cancer detection, no effective strategy for early screening and treatment exists, partly due to a lack of effective surrogate biomarkers. Our novel sputum biomarker, the Combined Score (CS), uses automated image cytometric analysis of ploidy and nuclear morphology to detect subtle intraepithelial changes that often precede lung tumours. METHODS: 2249 sputum samples from 1795 high-risk patients enrolled in ongoing chemoprevention trials were subjected to automated quantitative image cytometry after Feulgen-thionin staining. Samples from normal histopathology patients were compared against samples from carcinoma in situ (CIS) and cancer patients to train the CS. RESULTS: CS correlates with several lung cancer risk factors, including histopathological grade, age, smoking status, and p53 and Ki67 immunostaining. At 50% specificity, CS detected 78% of all highest-risk subjects-those with CIS or worse plus those with moderate or severe dysplasia and abnormal nuclear morphology. CONCLUSION: CS is a powerful yet minimally invasive tool for rapid and inexpensive risk assessment for the presence of precancerous lung lesions, enabling enrichment of chemoprevention trials with highest-risk dysplasias. CS correlates with other biomarkers, so CS may find use as a surrogate biomarker for patient assessment and as an endpoint in chemoprevention clinical trials.
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 | 0,003 | 0,001 |
| 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) | 0,002 | 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 ».