Neoadjuvant therapy in gynaecological malignancies: What pathologists need to know
Notice bibliographique
Résumé
In recent times, there has been a growing tendency to treat advanced gynaecological malignancies with neoadjuvant chemotherapy (NACT), with the goal of reducing tumour volume and enhancing operability resulting in optimal cytoreduction. This approach is used in particular for patients with advanced high-grade serous carcinoma of the ovary, fallopian tube or peritoneum. Pathology plays a crucial role in the management of these patients, both before and after NACT. Prior to initiation of NACT, a biopsy should be performed, usually of the omental cake, to confirm that a malignancy is present, to identify the site of origin of the tumour and to type and grade the tumour. Histopathologists must be aware of the resultant morphological effects of NACT when examining specimens following interval cytoreduction surgery. Tumour typing and grading, and even the identification of residual neoplasia, are particular challenges. Immunohistochemistry, when used judiciously, can be a useful adjunct in certain scenarios. A pathological assessment of the response to chemotherapy, and the pathological stage should be provided in the pathology report, as these may inform prognosis and subsequent management. We present a comprehensive overview of the relevant clinical and pathological aspects pertaining to NACT for gynaecological malignancies for the practicing surgical pathologist.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».