An improved algorithm using a Health Canada‐approved DNA‐image cytometry system for non‐invasive screening of high‐grade oral lesions
Notice bibliographique
Résumé
Abstract Background DNA‐image cytometry (DNA‐ICM) is able to detect gross alterations of cellular DNA‐content representing aneuploidy, a biomarker of malignancy. A Health Canada‐approved DNA‐ICM system, ClearCyte ® in combination with a cytopathologist's review, has demonstrated high sensitivity (89%) and specificity (97%) in identifying high‐grade oral lesions. The study objective was to create an improved automated algorithm (iClearcyte) and test its robustness in differentiating high grade from benign reactive oral lesions without a cytopathologist's input. Methods A set of 214 oral brushing samples of oral cancer (n = 92), severe dysplasia (n = 20), reactive lesions (n = 52), and normal samples (n = 50) were spun down onto slides and stained using Feulgen‐Thionin reaction. Following ClearCyte ® scan, nuclear features were calculated, and nuclei categorized into “diploid,” “hyperdiploid,” “tetraploid,” and “aneuploid” DNA ploidy groups by the ClearCyte ® software. The samples were randomized into training and test sets (70:30) based on patient's age, sex, tobacco use, and lesion site risk. The training set was used to create a new algorithm which was then validated using the remaining samples in the test set, where sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) were calculated. Results The proposed iClearCyte algorithm (>1 “aneuploid” cell or ≥ 1.7% combined “hyperdiploid” and “tetraploid” nuclei frequency) identified high‐grade samples with sensitivity, specificity, PPV, and NPV of 100.0%, 86.7%, 89.7%, and 100.0%, respectively, in the test set. Conclusion The iClearCyte test has potential to serve as a robust non‐invasive automated oral cancer screening tool promoting early oral cancer detection and decreasing the number of unnecessary invasive biopsies.
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 | 0,000 |
| 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 | 0,000 | 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 ».