Prevalence of histological features resembling autoimmune pancreatitis in neoplastic pancreas resections
Notice bibliographique
Résumé
AIMS: Types 1 and 2 autoimmune pancreatitis (AIP) can mimic pancreatic neoplasia. Due to the small quantity of tissue in mass-targeted pancreas biopsies, inflammatory features may raise the differential of AIP. However, the frequency of AIP-like histology in neoplastic pancreas is not well characterised. Therefore, the specificity of inflammatory lesions on biopsy with respect to the diagnosis of AIP is uncertain. METHODS AND RESULTS: Neoplastic pancreas resections performed at our institution between 2008 and 2019 were retrospectively reviewed. Features of AIP types 1 and 2 were assessed in the non-neoplastic areas. If features of immunoglobulin (Ig)G4-associated AIP were seen, IgG4 immunohistochemistry was performed. We identified 163 neoplastic pancreas resections. Of these, 34 had one or more types of inflammatory lesions in non-neoplastic pancreatic tissue. Dense lymphoplasmacytic inflammation mimicking type 1 AIP was found in six cases with mild to moderately increased IgG4-positive plasma cells. Neutrophilic infiltrates in small intralobular ducts were found in 20 cases. Mild extralobular ductitis or duct microabscess was found in 10 specimens. Marked neutrophilic duct destruction that resembled granulocytic epithelial lesions was found in 12 cases. Some cases showed multiple features. CONCLUSION: Approximately 20% of neoplastic pancreas resections showed focal areas that could raise the differential of AIP. More cases showed neutrophilic predominant inflammation as seen in type 2 autoimmune pancreatitis, compared to dense lymphoplasmacytic infiltrates seen in type 1 AIP. Pathologists must be cautious when making a diagnosis of AIP on biopsy tissue based on histological findings alone.
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) | 0,000 | 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 | 0,000 | 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 ».