IFITM1 Outperforms CD10 in Differentiating Low-grade Endometrial Stromal Sarcomas From Smooth Muscle Neoplasms of the Uterus
Notice bibliographique
Résumé
Distinguishing between uterine neoplasms of smooth muscle and endometrial stromal origin is a frequent diagnostic challenge. We investigated the staining pattern of interferon-induced transmembrane protein-1 (IFITM1), a novel endometrial stromal marker, in endometrial and smooth muscle uterine neoplasms and compared it with CD10 in its ability to differentiate between these two groups. Immunohistochemistry for IFITM1 and CD10 was performed in 20 cases of smooth muscle neoplasms (10 cases leiomyoma, 10 cases leiomyosarcoma), 14 cases of endometrial stromal sarcoma (ESS) (12 cases of low grade and 2 cases of high grade) and 12 cases of carcinosarcoma. Staining was scored in terms of intensity and distribution (0=absent, 1=weak/<50%, 2=moderate/50%-75%, 3=strong/>75%). A total score was obtained by adding intensity and distribution scores and classified as positive (score 3-6) or negative (score 0-2). IFITM1 was positive in 10 of 12 (83%) low-grade ESSs, 6 of 20 (30%) smooth muscle tumors (leiomyomas and leiomyosarcomas) and 11 of 12 carcinosarcomas (91.6%). The 2 cases of high-grade ESS were IFITM1 negative. While both IFITM1 (83%) and CD10 (91%) had high sensitivity in differentiating low-grade ESSs from smooth muscle neoplasms, IFITM1 (70%) had higher specificity compared with CD10 (45%). In this study IFITM1 appears to be a more specific marker of endometrial stromal differentiation compared with CD10 in differentiating low-grade ESSs from smooth muscle neoplasms. Thus, IFITM1 may be a valuable tool as part of an immunohistochemical evaluation panel in this diagnostic scenario.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 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 ».