MétaCan
Menu
Retour à la cohorte
Enregistrement W4390275094 · doi:10.1101/cshperspect.a041647

Breast Cancer Histopathology in the Age of Molecular Oncology

2023· article· en· W4390275094 sur OpenAlexafffund
Zuzana Kos, Torsten O. Nielsen, Anne‐Vibeke Lænkholm

Notice bibliographique

RevueCold Spring Harbor Perspectives in Medicine · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensCanadian Institute for Advanced ResearchUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesCancer Research Society
Mots-clésUniversity hospitalColumbia universityMedicineFamily medicineMedical laboratoryGeneral surgeryGynecologyPathologyMedia studiesSociology

Résumé

récupéré en direct d'OpenAlex

For more than a century, microscopic histology has been the cornerstone for cancer diagnosis, and breast carcinoma is no exception.In recent years, clinical biomarkers, gene expression profiles, and other molecular tests have shown increasing utility for identifying the key biological features that guide prognosis and treatment of breast cancer.Indeed, the most common histologic pattern-invasive ductal carcinoma of no special type-provides relatively little guidance to management beyond triggering grading, biomarker testing, and clinical staging.However, many less common histologic patterns can be recognized by trained pathologists, which in many cases can be linked to characteristic biomarker and gene expression patterns, underlying mutations, prognosis, and therapy.Herein we describe more than a dozen such histomorphologic subtypes (including lobular, metaplastic, salivary analog, and several good prognosis special types of breast cancer) in the context of their molecular and clinical features.B reast cancer is the most commonly diag- nosed cancer worldwide, yet, as we have come to understand in the last decades, it is not a single disease entity.Different pathways of pathogenesis give rise to distinct tumors with differing biological properties, behaviors, and prognoses, which can be defined by microscopic histomorphology, protein biomarkers, RNA expression profiles, and DNA alterations.Additional clinicopathological factors that are prog-nostic in early breast cancer include age, lymph node status, tumor size, histological subtype, grade, lymphovascular invasion, and biomarker expression-especially estrogen receptor (ER) and human epidermal growth factor receptor 2 (HER2) status (Table 1).The most common histological types of breast cancer are invasive ductal carcinoma (invasive breast carcinoma of no special type) and invasive lobular carcinoma, but there more than 20 recognized histological spe-

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,018
Tête enseignante GPT0,314
Écart entre enseignants0,296 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCold Spring Harbor Perspectives in MedicineMême sujetBreast Cancer Treatment StudiesTravaux en français237 207