HER2-low and Overexpression in Mucinous Ovarian Cancer: Analysis of ASCO/CAP and ToGA Immunohistochemical Scoring
Notice bibliographique
Résumé
Mucinous ovarian carcinoma is an uncommon malignancy characterized by resistance to chemotherapy and poor survival in the metastatic setting. HER2 amplification is a frequent late event in carcinogenesis, yet the incidence of HER2-low in mucinous ovarian carcinoma is unknown. Further, the optimal method for determining overexpression in these tumors is not established. We sought to assess the ASCO/CAP and ToGA trial scoring methods for HER2 IHC with correlation to FISH, p53, and mismatch repair protein status and to determine the incidence of HER2-low in mucinous ovarian carcinoma. A total of 29 tumors from 23 patients were included. Immunohistochemistry for HER2, p53, MLH1, PMS2, MSH2, and MSH6 was performed. Scoring was performed according to the ASCO/CAP and ToGA trial criteria. HER2 FISH was performed and scored according to the ASCO/CAP criteria. The proportion of HER2-low, defined as 1+ or 2+ staining with negative FISH, was determined. Using ASCO/CAP, 26% demonstrated 3+ while 35% demonstrated 2+ staining. Using ToGA, 30% demonstrated 3+ while 57% demonstrated 2+ staining. By FISH, 26% were positive for HER2 amplification. Both systems captured all FISH-positive cases; the use of ASCO/CAP resulted in fewer equivocal and false-positive cases. Among HER2-negative cases, 88% were HER2-low. Aberrant p53 expression was detected in 55% of cases; mismatch repair deficiency was not identified in any cases. ASCO/CAP guidelines are accurate and resource-effective in determining HER2 overexpression in mucinous ovarian carcinoma. HER2-low is common in these tumors; further studies to determine the role of HER2-targeted therapy including antibody-drug conjugates are indicated.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».