Implementation of Whole Slide Imaging for Clinical Purposes: Issues to Consider From the Perspective of Early Adopters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CONTEXT: - There is growing interest in the use of digital pathology, especially whole slide imaging, for diagnostic purposes. Many issues need to be considered when incorporating this technology into a clinical laboratory. The College of American Pathologists (CAP) established a Digital Pathology Committee to support the development of CAP programs related to digital pathology. One of its many initiatives was a panel discussion entitled "Implementing Whole-Slide Imaging for Clinical Use: What to Do and What to Avoid," given for 3 years at the CAP annual meetings starting in 2014. OBJECTIVES: - To review major issues to consider when implementing whole slide imaging for clinical purposes as covered during the panel discussion. DESIGN: - The views expressed and recommendations given are based primarily on the personal experience of the authors as early adopters of this technology. It is not intended to be an exhaustive review of digital pathology. RESULTS: - Implementation is best approached in phases. Early efforts are directed toward identifying initial clinical applications and assembling an implementation team. Scanner selection should be based on intended use and budget. Recognizing pathologist concerns over the use of digital pathology for diagnostic purposes, ensuring adequate training, and performing appropriate validation studies will enhance adoption. Once implemented, the transition period from glass slide to image-based diagnostics will be associated with challenges, especially those related to a hybrid glass slide-digital slide workflow. CONCLUSIONS: - With appropriate preparation, planning, and stepwise implementation, whole slide imaging can be used safely and reliably for frozen sections, consultation, quality assurance, and primary diagnosis.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle