A Histology-Based Model for Predicting Microsatellite Instability in Colorectal Cancers
Notice bibliographique
Résumé
Identifying colorectal cancers (CRCs) with high levels of microsatellite instability (MSI-H) is clinically important. MSI-H is a positive prognostic marker for CRC, a predictive marker for resistance to standard 5-fluorouracil-based adjuvant chemotherapy, and an important feature for identifying individuals and families with Lynch syndrome. Our aim was to compare and improve upon the existing predictive pathology models for MSI-H CRCs. We tested 2 existing models used to predict MSI-H tumors, (1) Revised Bethesda Guidelines and (2) MsPath, in our population-based cohort of CRCs diagnosed less than 75 years from Newfoundland (N=710). We also scored additional histologic features not described in the other models. From this analysis, we developed a model for the prediction of MSI-H CRCs; Pathologic Role in Determination of Instability in Colorectal Tumors (PREDICT). An independent pathologist validated this model in a second cohort of all CRCs (N=276). Tumor histology was a better predictor of MSI status than was personal and family history of cancer. MsPath identified MSI-H CRCs with a sensitivity of 92.1% and a specificity of 37.8%, whereas the Revised Bethesda Guidelines had a sensitivity of 81.3% and a specificity of 39.5%. PREDICT included some new histology features, including peritumoral lymphocytic reaction and increased proportion of plasma cells in the tumor stroma. PREDICT was superior to both existing models in the development cohort with a sensitivity of 97.4% and a specificity of 53.9%. In the validation cohort, sensitivity was 96.9% and specificity 76.6%. We conclude that PREDICT is a good predictor of MSI-H CRC.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».