A molecular array for 10-second diagnosis of common spinal tumor types with picosecond infrared laser mass spectrometry
Notice bibliographique
Résumé
BACKGROUND: Improving the surgical outcomes for commonly occurring spinal neoplasms of extradural and intradural extramedullary origins requires precise intraoperative diagnosis provided by highly trained neuropathologists. METHODS: Through a retrospective study of n = 319 patient specimens, verified where appropriate by learning curve analysis to be sufficient for statistically significant observations, we aimed to assess the utility of 10-second picosecond infrared laser mass spectrometry (MS; PIRL-MS) for non-subjective diagnosis of major spinal tumor types of metastatic carcinoma, schwannoma, and meningiomas. RESULTS: The sensitivity and specificity values of spinal tumor-type diagnosis (based on n = 182 independent specimens) were (93% ± 1)% and (97% ± 2)%, respectively. This classification utilizes n = 41 cellular lipids including phosphatidylcholines, sphingomyelins, phosphatidylethanolamines, and ceramides whose identities were established using high-resolution tandem MS. Furthermore, the accuracy of diagnosis of a model that contained n = 97 meningioma and n = 106 schwannoma was not drastically influenced by the presence of n = 54 additional intradural extramedullary spinal neoplasms of myxopapillary ependymoma, neurofibroma, paraganglioma, and solitary fibrous tumor types in the differential diagnosis, confirming the generalizability and robustness of the identified molecular array in rendering correct classification even in the presence of data not seen previously by the model. CONCLUSIONS: The identified lipids form a "molecular array" for robust diagnosis of meningioma and schwannoma tumors by non-pathologists in a manner similar to genomic, transcriptomic, or methylomic arrays used to diagnose brain cancer types, albeit on a much faster timescale of seconds as opposed to hours.
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 | 0,000 | 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) | 0,001 | 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 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 ».