Differentiating Neurotized Melanocytic Nevi From Neurofibromas Using Melan-A (MART-1) Immunohistochemical Stain
Notice bibliographique
Résumé
CONTEXT: Neurotized melanocytic nevi and neurofibromas are common, benign cutaneous neoplasms. Usually they are histologically distinct from each other; however, neurotized melanocytic nevi and neurofibromas can be clinically and histologically similar. OBJECTIVE: To determine whether Melan-A (MART-1) immunohistochemical stain is sufficient to differentiate neurotized melanocytic nevi from neurofibromas. DESIGN: Forty-nine consecutive specimens of melanocytic nevi with neurotization and 49 specimens of neurofibromas were selected. We used antibodies against Melan-A, S100, and neurofilament protein. RESULTS: All of the melanocytic nevi showed Melan-A staining within the neurotized areas, with most of the areas staining strongly positive, whereas all the neurofibromas were completely absent of Melan-A stain. All of the nevi, including the neurotized areas, stained strongly and diffusely for S100, whereas all the neurofibromas showed a distinctive, sharp, wavy pattern of S100 staining. Neurofilament protein showed scattered staining of both melanocytic nevi and neurofibromas. CONCLUSIONS: Our data indicate that Melan-A immunohistochemical staining is helpful in differentiating neurotized melanocytic nevi from neurofibromas when distinction on histomorphology alone is difficult.
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 | 0,002 |
| 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 | 0,000 | 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 ».