Ovarian Carcinoma Histotype: Strengths and Limitations of Integrating Morphology With Immunohistochemical Predictions
Notice bibliographique
Résumé
Ovarian carcinoma histotypes are critical for research and patient management and currently assigned by a combination of histomorphology +/- ancillary immunohistochemistry (IHC). We aimed to validate the previously described IHC algorithm (Calculator of Ovarian carcinoma Subtype/histotype Probability version 3, COSPv3) in an independent population-based cohort, and to identify problem areas for IHC predictions. Histotype was abstracted from cancer registries for eligible ovarian carcinoma cases diagnosed from 2002 to 2011 in Alberta and British Columbia, Canada. Slides were reviewed according to World Health Organization 2014 criteria, tissue microarrays were stained with and scored for the 8 COSPv3 IHC markers, and COSPv3 histotype predictions were calculated. Discordant cases for review and COSPv3 prediction were arbitrated by integrating morphology with IHC results. The integrated histotype (N=880) was then used to identify areas of inferior COSPv3 performance. Review histotype and integrated histotype demonstrated 93% agreement suggesting that IHC information revises expert review in up to 7% of cases. There was also 93% agreement between COSPv3 prediction and integrated histotype. COSPv3 errors predominated in 4 areas: endometrioid carcinoma (EC) versus clear cell (N=23), EC versus low-grade serous (N=15), EC versus high-grade serous (N=11), and high-grade versus low-grade serous (N=6). Most problems were related to Napsin A-negative clear cell, WT1-positive EC, and p53 IHC wild-type high-grade serous carcinomas. Although 93% of COSPv3 prediction accuracy was validated, some histotyping required integration of morphology with ancillary test results. Awareness of these limitations will avoid overreliance on IHC and misclassification of histotypes for research and clinical management.
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 | 0,001 |
| 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 ».