Melanocytoma-like melanoma may be the missing link between benign and malignant uveal melanocytic lesions in humans and dogs: a comparative study
Notice bibliographique
Résumé
The cutoff presented in the current classification of canine melanocytic lesions by Wilcock and Pfeiffer is based on the clinical outcome rather than morphological concepts. Classification of tumors based on morphology or molecular signatures is the key to identifying new therapies or prognostic factors. Therefore, the aim of this study was to analyze morphological findings in canine melanocytic lesions based on classic malignant morphologic principles of neoplasia and to compare these features with human uveal melanoma (HUM) samples. In total, 64 canine and 111 human morphologically malignant melanocytic lesions were classified into two groups (melanocytoma-like or classic melanoma) based on the presence or absence of M cells, respectively. Histopathological characteristics were compared between the two groups using the χ-test, t-test, and multivariate discriminant analysis. Among the 64 canine tumors, 28 (43.7%) were classic and 36 (56.3%) were melanocytoma-like melanomas. Smaller tumor size, a higher degree of pigmentation, and lower mitotic activity distinguished melanocytoma-like from classic tumors with an accuracy of 100% for melanocytoma-like lesions. From the human series, only one case showed melanocytoma-like features and had a low risk for metastasis characteristics. Canine uveal melanoma showed a morphological spectrum with features similar to the HUM counterpart (classic melanoma) and overlapped features between uveal melanoma and melanocytoma (melanocytoma-like melanoma). Recognition that the subgroup of melanocytoma-like melanoma may represent the missing link between benign and malignant lesions could help explain the progression of uveal melanoma in dogs; these findings can potentially be translated to HUM.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».