MétaCan
Menu
Retour à la cohorte
Enregistrement W4251629148 · doi:10.3410/f.727121335.793537532

Faculty Opinions recommendation of An updated histological classification system for multiple sclerosis lesions.

2017· dataset· en· W4251629148 sur OpenAlexaff
Jennifer L. Gommerman, Valeria Ramaglia

Notice bibliographique

RevueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature · 2017
Typedataset
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicrogliaMultiple sclerosisMyelinPathologyLuxol fast blue stainLesionProteolipid protein 1MedicineImmunohistochemistryMyelin basic proteinPathogenesisDemyelinating diseaseCentral nervous systemImmunologyInflammationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Multiple sclerosis is a complex and heterogeneous, most likely autoimmune, demyelinating disease of the central nervous system (CNS). Although a number of histological classification systems for CNS lesions have been used by different groups in recent years, no uniform classification exists. In this paper, we propose a simple and unifying classification of MS lesions incorporating many elements of earlier histological systems that aims to provide guidelines for neuropathologists and researchers studying MS lesions to allow for better comparison of different studies performed with MS tissue, and to aid in understanding the pathogenesis of the disease. Based on the presence/absence and distribution of macrophages/microglia (inflammatory activity) and the presence/absence of ongoing demyelination (demyelinating activity), we suggest differentiating between active, mixed active/inactive, and inactive lesions with or without ongoing demyelination. Active lesions are characterized by macrophages/microglia throughout the lesion area, whereas mixed active/inactive lesions have a hypocellular lesion center with macrophages/microglia limited to the lesion border. Inactive lesions are almost completely lacking macrophages/microglia. Active and mixed active/inactive lesions can be further subdivided into lesions with ongoing myelin destruction (demyelinating lesions) and lesions in which the destruction of myelin has ceased, but macrophages are still present (post-demyelinating lesions). This distinction is based on the presence or absence of myelin degradation products within the cytoplasm of macrophages/microglia. For this classification of MS lesions, identification of myelin with histological stains [such as luxol fast blue-PAS] or by immunohistochemistry using antibodies against myelin basic-protein (MBP) or proteolipid-protein (PLP), as well as, detection of macrophages/microglia by, e.g., anti-CD68 is sufficient. Active and demyelinating lesions may be further subdivided into the early and late demyelinating lesions. The former is defined by the presence in macrophages of major and small molecular weight myelin proteins, such as cyclic nucleotide diphosphoesterase (CNP), myelin oligodendrocyte glycoprotein (MOG), or myelin-associated protein (MAG), whereas macrophages in the latter demonstrate merely the presence of the major myelin proteins MBP or PLP. We discuss the histological features and staining techniques required to classify MS lesions, and, in addition, describe the histological hallmarks of cortical pathology and diffuse white matter changes, as well as of remyelination. PMID: 27988845 Funding information This work was supported by: Austrian Science Fund FWF, Austria Grant ID: I 2114

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil0,865

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,031
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,008
Études des sciences et des technologies0,0010,001
Communication savante0,0060,006
Science ouverte0,0030,002
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,3930,311

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.

Tête enseignante Opus0,109
Tête enseignante GPT0,371
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty Opinions – Post-Publication Peer Review of the Biomedical LiteratureMême sujetAI in cancer detectionTravaux en français237 207