MétaCan
Menu
Retour à la cohorte
Enregistrement W2325864519 · doi:10.1158/1940-6207.prev-11-a9

Abstract A9: Phenotype matters in the prediction of cancer risk of oral premalignant lesions (OPL)

2011· article· en· W2325864519 sur OpenAlexaff
Lewei Zhang, Martial Guillaud, Catherine F. Poh, Calum MacAulay, Miriam P. Rosin

Notice bibliographique

RevueCancer Prevention Research · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensBC Cancer AgencyUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDysplasiaMedicineCarcinoma in situCancerHistopathologyOPLSInternal medicinePathologySurrogate endpointHistologyProspective cohort studyOncologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Histology remains the most reliable way for predicting cancer risk of premalignant (preinvasive) lesions if the OPLs show high-grade changes (i.e. severe dysplasia or carcinoma in situ, CIS): however, it is a poor predictor of the cancer risk of OPLs with no or low-grade (mild/moderate) dysplasia (termed LGOPL). It is possible that there are subtle histological differences between progressing LGOPLs and nonprogressing LGOPLs. In a recent retrospective study (Cancer Research 2008, 68:3099–107), we have shown that nuclear phenotypic score (NPS) as measured by a computer-driven microscope imaging system could serve as an adjunct tool to assist pathologists in judging the progression risk of LGOPLs Objective: to assess the potential of this new tool in identifying high-risk LGOPLs from an ongoing prospective study and to give an interim report of our results. Methods: 284 primary LGOPLs from 284 patients were studied: 47 hyperplasias, 116 mild and 121 moderate dysplasias. Thoinin-Feulgen stained sections were imaged and analyzed to generate a NPS for each sample. The NPS was correlated with histopathology, clinical variables and outcome (progression to severe dysplasia, CIS or invasive cancer). Results: Elevated NPS was significantly associated with progression: high NPS (≥ 4.5) was associated with a 4.7-fold increase in risk of progression as compared to low NPS (< 4.5). Of the 199 LGOPLs with low NPS, 13 (7%) progressed as compared to 26/85 (31%) of LGOPLs with high NPS (P < 0.0001). In the multivariate Cox model, high NPS was a significant risk predictor for cancer progression (P < 0.0001). Conclusions: These data support the potential utility of automated quantitative microscopy technology to assist the pathologist in assessing progressing potential of low-grade OPLs (Supported by grant R01DE13124, NIDCR). Citation Information: Cancer Prev Res 2011;4(10 Suppl):A9.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,111
Tête enseignante GPT0,431
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Prevention ResearchMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207