Acute myeloid leukemia with peripheral lymph node involvement in dogs: A retrospective study of 23 cases
Notice bibliographique
Résumé
Acute myeloid leukemia (AML) can infiltrate extramedullary tissues, such as the liver, spleen, and lymph nodes and can be difficult to differentiate from lymphoma in cytologic and histologic specimens. Our goal was to identify cytologic features that would support a diagnosis of AML in peripheral lymph node aspirates, for which we used the term extramedullary AML (eAML). Medical records of 23 dogs with a diagnosis of AML and archived lymph node aspirate smears from 2016 to 2024 were reviewed across 4 institutions. Inclusion criteria included ≥50% myeloid blasts plus differentiating myeloid cells in lymph node smears, confirmation of myeloid lineage by flow cytometric analysis, and complete medical records. Peripheral lymphadenopathy was the reason for presentation (9/23, 39%) or was found incidentally on physical examination (14/23, 61%). Most dogs were bi- or pancytopenic (18/23, 78%), with blasts identified in blood smears of 18 dogs (78%). Initial lymph node aspirate interpretations included hematopoietic neoplasia (8/21, 38%), AML (6/21, 29%), lymphoma (5/21, 24%), lymphoid hyperplasia (1/21, 5%), and granulocytic precursor infiltrates (1/21, 5%). On lymph node smear review, cytologic features supporting an eAML were differentiating granulocytes, blasts with myeloid features or promonocytes, dysplastic changes in myeloid cells, and retention of residual lymphocytes. The median survival was 22 days (range = 1-360 days), and 69% of 16 dogs given chemotherapy or glucocorticoids lived for 30 days or more. Our study highlights the importance of hemogram results and lymph node aspirate smear examination for morphologic features of myeloid differentiation to help diagnose eAML in lymph node smears.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».