Hematologic Malignancies of the Breast: A Contemporary Series Investigating Incidence, Presentation, Accuracy of Diagnosis on Core Needle Biopsy, and Hormone Receptor Expression
Notice bibliographique
Résumé
BACKGROUND: Distinguishing breast hematologic malignancies in core needle biopsies from other entities can be challenging. Misclassification as a breast carcinoma could result in inappropriate treatment. The aim of this study was to characterize the types, incidence, and helpful diagnostic features of hematologic malignancies of the breast. DESIGN: All hematologic malignancies of the breast diagnosed at our institution from 2004 to 2017 were identified. Clinical notes, imaging, and slides were reviewed. Immunohistochemical analysis of estrogen receptor α (ERα), estrogen receptor β (ERβ), and androgen receptor (AR) was performed when tissue was available. RESULTS: In all, 43 hematologic malignancies from biopsies of 37 women and 6 men were identified. Core needle biopsies (35 or 81%) were more common than excisions (8 or 19%). For 14 patients (40%), the core biopsy was the first diagnosis of a hematologic malignancy. Diagnoses included 37 lymphomas (7 primary), 4 leukemias, and 2 myelomas. There was 1 misdiagnosis of carcinoma. Low positivity for hormone receptors was observed in a minority of lymphomas. A definitive diagnosis of hematologic malignancy was made in 31 (89%) of the core needle biopsies. Only 3 patients undergoing core biopsy required excision for diagnosis. CONCLUSIONS: Most of the hematologic malignancies of the breast are currently diagnosed on core needle biopsy and 40% of patients do not have a prior history. To avoid errors, pathologists need to be aware of diagnostic features and morphologic mimics. A hematologic malignancy should be considered if tumor cells are discohesive, carcinoma in situ is absent, and hormone expression is low or absent.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».