Digital Quantification of Tumor Cellularity as a Novel Prognostic Feature of Non–Small Cell Lung Carcinoma
Notice bibliographique
Résumé
Non-small cell lung carcinoma is currently staged based on the size and involvement of other structures. Tumor size may be a surrogate measure of the total number of tumor cells. A recently revised reporting system for adenocarcinoma incorporates high-risk histologic patterns, which may have increased cellular density. Modern digital image analysis tools can be utilized to automate the quantification of cells. In this study, we tested the hypothesis that tumor cellularity can be used as a novel prognostic tool for lung cancer. Digital slides from The Cancer Genome Atlas lung adenocarcinoma (ADC) data set (n = 213) and lung squamous cell carcinoma (SCC) data set (n = 90) were obtained and analyzed using QuPath. The number of tumor cells was normalized with the surface area of the tumor to provide a measure of tumor cell density. Tumor cellularity was calculated by multiplying the size of the tumor with the cell density. Major histologic patterns and grade were compared with the tumor density of the lung ADC and lung SCC cases. The overall and progression-free survival were compared between groups of high and low tumor cellularity. High-grade histologic patterns in the ADC and SCC cases were associated with greater tumor densities compared with low-grade patterns. Cases with lower tumor cellularity had improved overall and progression-free survival compared with cases with higher cellularity. These results support tumor cellularity as a novel prognostic tool for non-small cell lung carcinoma that considers tumor stage and grade elements.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».