DNA Karyometry for Automated Detection of Cancer Cells
Notice bibliographique
Résumé
Background: Microscopical screening of cytological samples for the presence of cancer cells at high throughput with sufficient diagnostic accuracy requires highly specialized personnel which is not available in most countries. Methods: Using commercially available automated microscope-based screeners (MotiCyte and EasyScan), software was developed which is able to classify Feulgen-stained nuclei into eight diagnostically relevant types, using supervised machine learning. the nuclei belonging to normal cells were used for internal calibration of the nuclear DNA content while nuclei belonging to those suspicious of being malignant were specifically identified. The percentage of morphologically abnormal nuclei was used to identify samples suspected of malignancy, and the proof of DNA-aneuploidy was used to definitely determine the state malignancy. A blinded study was performed using oral smears from 92 patients with Fanconi anemia, revealing oral leukoplakias or erythroplakias. In an earlier study, we compared diagnostic accuracies on 121 serous effusion specimens. In addition, using a blinded study employing 80 patients with prostate cancer who were under active surveillance, we aimed to identify those whose cancers would not advance within 4 years. Results: Applying a threshold of the presence of >4% of morphologically abnormal nuclei from oral squamous cells and DNA single-cell or stemline aneuploidy to identify samples suspected of malignancy, an overall diagnostic accuracy of 91.3% was found as compared with 75.0% accuracy determined by conventional subjective cytological assessment using the same slides. Accuracy of automated screening effusions was 84.3% as compared to 95.9% of conventional cytology. No prostate cancer patients under active surveillance, revealing DNA-grade 1, showed progress of their disease within 4.1 years. Conclusions: An automated microscope-based screener was developed which is able to identify malignant cells in different types of human specimens with a diagnostic accuracy comparable with subjective cytological assessment. Early prostate cancers which do not progress despite applying any therapy could be identified using this automated approach.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».