Reproducibility of tumor budding assessment in pancreatic cancer based on a multicenter interobserver study
Notice bibliographique
Résumé
Tumor budding has been reported to be an independent prognostic factor in pancreatic ductal adenocarcinoma (PDAC). Its use in daily diagnostics would improve the prognostic stratification of patients. We performed a multicenter interobserver study to test various budding assessment methods for their reproducibility. Two serial sections of 50 resected, treatment-naïve PDACs were stained for Hematoxylin and Eosin (H&E) and pancytokeratin. Tumor budding was scored by independent observers at five participating centers in Switzerland, Germany, and Canada. Pathologists assessed tumor budding on a digital platform comparing H&E with pancytokeratin staining in 10 high-power fields (10HPF) and one HPF hotspot (1HPF). Additionally, tumor budding was assessed in one H&E hotspot at × 20 magnification, as suggested by the International Tumor Budding Consensus Conference (ITBCC). Correlation coefficients for bud counts between centers ranged from r = 0.58648 to r = 0.78641 for H&E and from r = 0.69288 to r = 0.81764 for pancytokeratin. The highest interobserver agreement across all centers was observed for pancytokeratin 10HPFs (ICC = 0.6). ICC values were 0.49, 0.48, 0.41, and 0.4 for H&E in 1HPF hotspot, H&E in 10HPFs, pancytokeratin in 1HPF, and H&E in one hotspot at ×20, respectively (ITBCC method). This interobserver study reveals a range between moderately poor to moderate agreement levels between pathologists for the different tumor budding assessment methods in PDAC. Acceptable levels of agreement were reached with the pancytokeratin 10HPF method, which can thus be recommended for the assessment of tumor budding in PDAC resection specimens. To improve the levels of interobserver agreement, the implementation of machine learning applications should be considered.
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 | 0,040 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».