Online Training and Self-assessment in the Histopathologic Classification of Endocervical Adenocarcinoma and Diagnosis of Pattern of Invasion: Evaluation of Participant Performance
Notice bibliographique
Résumé
Histopathologic classification of endocervical adenocarcinomas (EAC) has recently changed, with the new system based on human papillomavirus (HPV)-related morphologic features being incorporated into the 5th edition of the WHO Blue Book (Classification of Tumours of the Female Genital Tract). There has also been the introduction of a pattern-based classification system to assess invasion in HPV-associated (HPVA) endocervical adenocarcinomas that stratifies tumors into 3 groups with different prognoses. To facilitate the introduction of these changes into routine clinical practice, websites with training sets and test sets of scanned whole slide images were designed to improve diagnostic performance in histotype classification of endocervical adenocarcinoma based on the International Endocervical Adenocarcinoma Criteria and Classification (IECC) and assessment of Silva pattern of invasion in HPVA endocervical adenocarcinomas. We report on the diagnostic results of those who have participated thus far in these educational websites. Our goal was to identify areas where diagnostic performance was suboptimal and future educational efforts could be directed. There was very good ability to distinguish HPVA from HPV-independent adenocarcinomas within the WHO/IECC classification, with some challenges in the diagnosis of HPV-independent subtypes, especially mesonephric carcinoma. Diagnosis of HPVA subtypes was not consistent. For the Silva classification, the main challenge was related to distinction between pattern A and pattern B, with a tendency for participants to overdiagnose pattern B invasion. These observations can serve as the basis for more targeted efforts to improve diagnostic performance.
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 | 0,002 | 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 | 0,000 |
| 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 ».