SARS-CoV-2, the virus responsible for COVID-19, is causing a devastating worldwide pandemic, and there is a pressing need to understand the development, specificity, and neutralizing potency of humoral immune responses during acute infection. We report a cross-sectional study of antibody responses to the receptor-binding domain (RBD) of the spike protein and virus neutralization activity in a cohort of 44 hospitalized COVID-19 patients. RBD-specific IgG responses are detectable in all patients 6 days after PCR confirmation. Isotype switching to IgG occurs rapidly, primarily to IgG1 and IgG3. Using a clinical SARS-CoV-2 isolate, neutralizing antibody titers are detectable in all patients by 6 days after PCR confirmation and correlate with RBD-specific binding IgG titers. The RBD-specific binding data were further validated in a clinical setting with 231 PCR-confirmed COVID-19 patient samples. These findings have implications for understanding protective immunity against SARS-CoV-2, therapeutic use of immune plasma, and development of much-needed vaccines.

Virtual crossmatch (VXM) compares a transplant candidate's unacceptable antigens to the HLA typing of the donor before an organ offer is accepted and, in selected cases, supplant a prospective physical crossmatch. However, deceased donor typing can be ambiguous, leading to uncertainty in compatibility prediction. We have developed a web application that utilizes ambiguous HLA molecular typing data to assist in VXM assessments. The application compares a candidate's listed unacceptable antigens to computed probabilities of all possible two-field donor HLA alleles and UNOS antigens. The VIrtual CrossmaTch for mOleculaR HLA typing (VICTOR) tool can be accessed at http://www.transplanttoolbox.org/victor. We reanalyzed historical VXM cases where a transplant center's manual interpretation of molecular typing results influenced offer evaluation. We found that VICTOR's automated interpretation of ambiguous donor molecular typing data would influence VXM decisions. Standardized interpretation of molecular typing data, if applied to the match run, could also change which offers are made. HLA typing ambiguity has been an underappreciated source of immunological risk in organ transplantation. The VICTOR tool can serve as a testbed for development of allocation policies with the aim of decreasing offers refused due to HLA incompatibility.

The World Health Organization (WHO) diagnostic criteria for malignant phyllodes tumor (MPT) may miss a significant number of MPTs with metastatic potential. New refined diagnostic criteria (Refined Criteria) for MPT were recently proposed. The aim of this study is to validate the Refined Criteria. This validation study included 136 borderline (borderline phyllodes tumor [BoPT]) and MPT cases that were not included in the initial study. We evaluated tumor classifications based on both the Refined Criteria and the WHO criteria. The Refined Criteria defines MPT when these criteria are met (1) stromal overgrowth with ≥ 1 feature(s) of marked stromal cellularity, marked stromal cytologic atypia, or ≥10 mitoses per 10 high-power fields (10 mitoses/10 HPFs) or (2) marked stromal cellularity with ≥1 feature(s) of marked stromal cytologic atypia, ≥10 mitoses/10 HPFs or permeative border. The WHO criteria require all 5 morphologic features (stromal overgrowth, permeative border, marked stromal cellularity, marked stromal cytologic atypia, and ≥10 mitoses/10 HPFs) for an MPT diagnosis. Using the Refined Criteria, none of the 61 BoPTs developed metastasis and 40.0% of the 75 MPTs developed metastases; local recurrence was seen in 11.5% BoPTs and 25.3% MPTs. Using the WHO criteria, 9.6% of the 94 BoPTs developed metastases and 50.0% of the 42 MPTs developed metastases; 14.9% of the BoPTs had local recurrence and 28.6% of the MPTs had local recurrence. Nine (30.0%) of the 30 tumors that developed distant metastases were diagnosed as BoPTs by the WHO criteria. When we combined the 75 MPTs from this validation cohort with the 65 MPT cases from the published data using the Refined Criteria, 50 (35.7%) of the 140 MPTs developed metastases, whereas 8 cases with metastases were <5 cm. In the univariate analysis with log-rank test, stromal overgrowth, marked stromal cellularity, marked stromal cytologic atypia, ≥10 mitoses/10 HPFs, presence of heterologous components other than liposarcomatous component, and presence of stromal necrosis were significantly associated with the risk of metastasis (all with P < 0.05). In multivariate analysis with Cox proportional hazard regression, stromal overgrowth and marked stromal cellularity were significantly associated with metastasis (both with P < 0.001). The Refined Criteria are superior to the WHO criteria in predicting the clinical outcomes of BoPTs and MPTs. Using the Refined Criteria, 35.7% of 140 patients with MPT developed metastases, whereas none (0%) of the patients with BoPT developed metastases. Patients with MPT have a high metastatic rate; these patients may benefit from systemic chemotherapy or targeted therapies. In contrast, patients with BoPT may be managed with complete local excision alone without chemotherapy.

Disclosures: The authors have disclosed no relevant conflicts of interest. Objectives: Training in pathology involves learning morphology of several cell types utilizing images and categorizing them to specific patterns. In general, since there are immense subjective differences in the interpretation of images, there are also severe subjectivity in teaching specific images to residents. While machine learning is currently intensely developed, we hypothesize that machine based teaching will remove subjectivity in learning and thus propose to study machine teaching skills. Methods: We use machine based image analysis and counting of bone marrow cells in this study. Two different artificial intelligence platforms were utilized. In the Scopio platform for bone marrow differential counting, machine based automated classification will be reviewed by an expert; cells are re-categorized. Subsequently, trainees are 'taught' by the Machine and by an iterative training process in stage I: Expert-> Machine->Trainee and subsequently implementation stage II: Machine->Trainee with Expert oversight. In the second platform, Deepathology Studio, identification of Bone marrow megakaryocytes by learner will be used as a qualitative skill. The expert teaches the machines for identification of megakaryocytes in core biopsies. Subsequently, the machine identified megakaryocytes will be utilized to learn bone marrow megakaryocytic morphology by the learner (trainee). Results: Image based identification of bone marrow by Scopio and categorization was utilized by the machine to teach morphology of 9 different myeloid cells, lymphocytes, plasma cells and 2 stages of erythropoietic cells. Core biopsy megakaryocytes can be routinely identified by machine utilizing the Deepathology Studio and can be used to 'machine teach' for training. Conclusions: While early in development, machine teaching can be akin to game based learning and trainees like the electronic format of learning. In addition, the objectivity increases. However, the major limitations are false positive categorization by machine and attrition effect will enhance wrong learning. Thus, close supervision by expert is essential during the early training phase with routine monitoring till knowledge acquisition.