Performance of a HER2 testing algorithm specific for p53‐abnormal endometrial cancer
Notice bibliographique
Résumé
AIMS: Human epidermal growth factor receptor 2 (HER2) amplification in endometrial cancer (EC) is almost completely confined to the p53-abnormal (p53abn) molecular subtype and independent of histological subtype. HER2 testing should therefore be molecular subtype-directed. However, the most optimal approach for HER2 testing in EC has not been fully established. Therefore, we developed an EC-specific HER2 immunohistochemistry (IHC) scoring method and evaluated its reproducibility and performance to establish an optimal diagnostic HER2 testing algorithm for p53abn EC. METHODS AND RESULTS: HER2 IHC slides of 78 p53abn EC were scored by six gynaecopathologists according to predefined EC-specific IHC scoring criteria. Interobserver agreement was calculated using Fleiss' kappa and the first-order agreement coefficient (AC1). The consensus IHC score was compared with HER2 dual in-situ hybridisation (DISH) results. Sensitivity and specificity were calculated. A substantial interobserver agreement was found using three- or two-tiered scoring [κ = 0.675, 95% confidence interval (CI) = 0.633-0.717; AC1 = 0.723, 95% CI = 0.643-0.804 and κ = 0.771, 95% CI = 0.714-0.828; AC1 = 0.774, 95% CI = 0.684-0.865, respectively]. Sensitivity and specificity for the identification of HER2-positive EC was 100 and 97%, respectively, using a HER2 testing algorithm that recommends DISH in all cases with moderate membranous staining in >10% of the tumour (IHC+). Performing DISH on all IHC-2+ and -3+ cases yields a sensitivity and specificity of 100%. CONCLUSIONS: Our EC-specific HER2 IHC scoring method is reproducible. A screening strategy based on IHC scoring on all cases with subsequent DISH testing on IHC-2+/-3+ cases has perfect test accuracy for identifying HER2-positive EC.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».