MétaCan
Menu
Retour à la cohorte
Enregistrement W4293193031 · doi:10.1016/j.jpi.2022.100090

Quantitative Nuclear Histomorphometry Predicts Molecular Subtype and Clinical Outcome in Medulloblastomas: Preliminary Findings

2022· article· en· W4293193031 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Pathology Informatics · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHedgehog Signaling Pathway Studies
Établissements canadiensnon disponible
Organismes subventionnairesDOD Peer Reviewed Cancer Research ProgramDOD Prostate Cancer Research ProgramNational Center for Advancing Translational SciencesNational Center for Research ResourcesInstituto Nacional del CáncerNational Institutes of HealthMilitary Health SystemNational Cancer InstituteAstraZeneca CanadaHartwell FoundationEli Lilly and CompanyBristol-Myers SquibbNational Institute of Biomedical Imaging and BioengineeringBiomedical Laboratory Research and Development, VA Office of Research and DevelopmentNational Heart, Lung, and Blood InstituteBoehringer Ingelheim
Mots-clésMedulloblastomaDigital pathologySonic hedgehogBiologyFeature (linguistics)PathologyImmunohistochemistryComputational biologyComputer sciencePattern recognition (psychology)Artificial intelligenceGeneCancer researchGeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

Molecular subtypes of medulloblastoma [Sonic Hedgehog (SHH), Wingless/INT (WNT), Group 3, and Group 4] are defined by common patterns of gene expression. These differential gene expression patterns appear to result in different histomorphology and prognosis. Quantitative histomorphometry is a well-known method of computer-aided pathology image analysis. The hypotheses we sought to examine in this preliminary proof of concept study were whether computer extracted nuclear morphological features of medulloblastomas from digitized tissue slide images could independently: (1) distinguish between molecularly determined subgroups and (2) identify patterns within these subgroups that correspond with clinical outcome. Our dataset was composed of 46 medulloblastoma patients: 16 SHH (5 dead, 11 survived), 3 WNT (0 dead, 3 survived), 12 Group 3 (4 dead, 8 survived), and 15 were Group 4 (5 dead, 10 survived). A watershed-based thresholding scheme was used to automatically identify individual nuclei within digitized whole slide hematoxylin and eosin tissue images. Quantitative histomorphometric features corresponding to the texture (variation in pixel intensity), shape (variations in size, roundness), and architectural rearrangement (distances between, and number of connected neighbors) of nuclei were subsequently extracted. These features were ranked using feature selection schemes and these top-ranked features were then used to train machine-learning classifiers via threefold cross-validation to separate patients based on: (1) molecular subtype and (2) disease-specific outcomes within the individual molecular subtype groups. SHH and WNT tumors were separated from Groups 3 and 4 tumors with a maximum area under the receiver operating characteristic curve (AUC) of 0.7, survival within Group 3 tumors was predicted with an AUC of 0.92, and Group 3 and 4 patients were separated into high- and low-risk groups with p = 0.002. Model prediction was quantitatively compared with age, stage, and histological subtype using univariate and multivariate Cox hazard ratio models. Age was the most statistically significant variable for predicting survival in Group 3 and 4 tumors, but model predictions had the highest hazard ratio value. Quantitative nuclear histomorphometry can be used to study medulloblastoma genetic expression phenotypes as it may distinguish meaningful features of disease pathology.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,310
Écart entre enseignants0,285 · 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