Features Associated with Survival Systematic Analysis of Breast Cancer Morphology Uncovers Stromal Editor's Summary
Notice bibliographique
Résumé
new biological aspects of cancer tissue. brain with an unbiased image processing system can extract more information from microcopy images and discover humantended to have more inflammatory cells in the stroma (picked up as dark areas by the software). Replacing the epithelial cells infiltrating the stroma, which resulted in high-risk stromal matrix variability scores. These patients also cancer itself but were from the adjacent stromal tissue. Women with worse outcomes tended to have thin cords of An unexpected finding was that the features that were the best predictors of patient survival were not from the with overall survival. status. In another, completely independent group of women from Vancouver, the C-Path score was also associated other measures of cancer severity including pathology grade, estrogen receptor status, tumor size, and lymph node samples so it could learn the difference. The C-Path score yielded information above and beyond that from many hand-markedpart of cancer diagnosis, took a bit of extra work: The authors needed to provide the software with some among the very large set of measurements of the image. Classifying the tissue as epithelial or stromal, an important predefined by a pathologist as being relevant to cancer; instead, the software itself found the cancer-related features samples from patients who had died sooner. The key aspect of this analysis was that these features were not from patients in the Netherlands. From more than 6000 features, the software found a set that were associated with
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».