New Robust and Reproducible Stereological IHC Ki67 Breast Cancer Proliferative Assessment to Replace Traditional Biased Labeling Index
Notice bibliographique
Résumé
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».