MétaCan
Menu
Retour à la cohorte
Enregistrement W2341821042 · doi:10.1097/pai.0000000000000371

New Robust and Reproducible Stereological IHC Ki67 Breast Cancer Proliferative Assessment to Replace Traditional Biased Labeling Index

2016· article· en· W2341821042 sur OpenAlexaff
Gilbert Bigras, Weifeng Dong, Sarah Canil, Judith Hugh, Richard Berendt, George H. Wood, Hua Yang

Notice bibliographique

RevueApplied immunohistochemistry & molecular morphology · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésImmunohistochemistryConcordanceBreast cancerMedicineCytokeratinNottingham Prognostic IndexProgesterone receptorHormone receptorOncologyEstrogen receptorCancerProliferation indexPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

There is a pressing need for an objective decision tool to guide therapy for breast cancer patients that are estrogen receptor positive and HER2/neu negative. This subset of patients contains a mixture of luminal A and B tumors with good and bad outcomes, respectively. The 2 main current tools are on the basis of immunohistochemistry (IHC) or gene expression, both of which rely on the expression of distinct molecular groups that reflect hormone receptors, HER2/neu status, and most importantly, proliferation. Despite the success of a proprietary molecular test, definitive superiority of any method has not yet been demonstrated. Ki67 IHC scoring assessments have been shown to be poorly reproducible, whereas molecular testing is costly with a longer turnaround time. This work proposes an objective Ki67 index using image analysis that addresses the existing methodological issues of Ki67 quantitation using IHC on paraffin-embedded tissue. Intrinsic bias related to numerical assessment performed on IHC is discussed as well as the sampling issue related to the "peel effect" of tiny objects within a thin section. A new nonbiased stereological parameter (VV) based on the Cavalieri method is suggested for use on a double-stained Ki67/cytokeratin IHC slide. The assessment is performed with open-source ImageJ software with interobserver concordance between 3 pathologists being high at 93.5%. Furthermore, VV was found to be a superior method to predict an outcome in a small subset of breast cancer patients when compared with other image analysis methods being used to determine the Ki67 labeling index. Calibration methodology is also discussed to further this IHC approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,274
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied immunohistochemistry & molecular morphologyMême sujetBreast Cancer Treatment StudiesTravaux en français237 207