Quantitative Justification of the Change From 10% to 30% for Human Epidermal Growth Factor Receptor 2 Scoring in the American Society of Clinical Oncology/College of American Pathologists Guidelines: Tumor Heterogeneity in Breast Cancer and Its Implications for Tissue Microarray–Based Assessment of Outcome
Notice bibliographique
Résumé
PURPOSE: The variability in scoring of immunohistochemistry, whether a result of true heterogeneity or artifacts in preparation, has led to decreased reliability in companion diagnostics and the recommendation for new standards (eg, the American Society of Clinical Oncology/College of American Pathologists [ASCO-CAP] guidelines). The basis of this problem is the amount of tissue required to be representative of an entire tumor. Because protein expression on tissue microarrays (TMAs) can be rigorously measured and one 0.6-mm spot is equivalent to two to three high-power fields, we used TMAs to assess levels of heterogeneity and to determine optimal representation as a function of outcome. PATIENTS AND METHODS: We analyzed estrogen receptor (ER), progesterone receptor, and human epidermal growth factor receptor 2 (HER-2) expression in two cohorts (n = 676 and n = 152) on a series of four to five separate TMA cores and assessed heterogeneity by linear regression analysis. Minimum, average, and maximum scores were generated for each set, which were then assessed for prognostic and predictive value. RESULTS: Each marker shows some heterogeneity, but average r values between 0.7 and 0.8 are seen between TMA spots. Analysis for prognostic value shows that the highest maximum score (of five spots) is the most prognostic for ER, whereas a high HER-2 minimum score is most prognostic for poor outcome and most predictive of response to trastuzumab. CONCLUSION: These results suggest that the representivity required for each biomarker may be a function of its role in tumorigenesis. Furthermore, these results provide scientific basis for the ASCO-CAP guidelines for assessment of HER-2 expression but perhaps suggest that the 30% figure is still too conservative.
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 | 0,077 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».