A 5‐marker immunohistochemical panel of <scp>CK17</scp> , <scp>MEP1A</scp> , <scp>PAX8</scp> , <scp>SMAD4</scp> , and <scp>CDX2</scp> to distinguish ovarian mucinous carcinoma from metastatic pancreatic ductal adenocarcinoma
Notice bibliographique
Résumé
AIMS: Metastatic pancreatic adenocarcinoma (PDAC), albeit uncommon, may involve the ovary, and distinction from primary ovarian mucinous tumours (OMT) poses a diagnostic challenge. Our aim was to develop an ancillary immunohistochemical (IHC) panel to aid in diagnosis and to validate the morphological features of metastatic PDAC. METHODS AND RESULTS: Six IHC markers (CDX2, CK17, MEP1A, MUC2, PAX8, SMAD4) selected based on a literature review were stained on tissue microarrays containing 256 PDAC, 102 mucinous ovarian carcinomas (MC) and 58 mucinous borderline ovarian tumours (MBOT). Detailed morphological features were reviewed in 16 ovarian metastases from PDAC, 25 MC, and 9 MBOT. We confirmed that tumours with a size less than 13 cm, bilaterality, ovarian surface involvement, low-power nodularity, infiltrative invasion, pseudomyxoma ovarii despite cystadenoma or borderline areas, and moderate nuclear atypia should raise suspicion for metastatic PDAC and prompt evaluation with the recommended IHC panel. A 5-marker panel consisting of CK17, MEP1A, PAX8, SMAD4, and CDX2 had an overall accuracy of 91.8% (95% CI 88.8%-94.3%) using recursive partitioning, with the highest weight resting on CK17. CK17 was expressed in 80.9% of PDAC compared to 18.6% of MC and 1.7% of MBOT, respectively. CONCLUSIONS: This is the first ancillary IHC panel to distinguish between PDAC and OMT with high accuracy. These results inform further studies on diagnostic workflows tailored to the complexity of metastatic presentations of tumours at the ovary.
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 | 0,002 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».