EGFR Tyrosine Kinase Mutation Testing in the Treatment of Non-Small-Cell Lung Cancer
Notice bibliographique
Résumé
BACKGROUND: Non-small-cell lung cancer (nsclc) tumours with activating mutations of the epidermal growth factor receptor (efgr) tyrosine kinase are highly sensitized to the effects of oral tyrosine kinase inhibitors such as gefitinib and erlotinib, suggesting the possibility of targeted treatment of nsclc based on EFGR mutation status. However, no standardized method exists for assessing the EGFR mutation status of tumours. Also, it is not known if available methods are feasible for routine screening. To address that question, we conducted a validation study of methods used for detecting EGFR mutations in exons 19 and 21 at molecular laboratories located in five specialized Canadian cancer centres. METHODS: The screening methods were first optimized using cell lines harbouring the mutations in question. A validation phase using anonymized patient samples followed. RESULTS: The methods used at the sites were highly specific and sensitive in detecting both mutations in cell-line dna (specificity of 100% and sensitivity of at least 1% across all centres). In the validation phase, we observed excellent concordance between the laboratories for detecting mutations in the patient samples. Concordant results were obtained in 26 of 30 samples (approximately 87%). In general, the samples for which results were discordant were also less optimal, containing small amounts of tumour. CONCLUSIONS: Our results suggest that currently available methods are capable of reliably detecting exon 19 and exon 21 mutations of EFGR in tumour samples (provided that sufficient tumour material is available) and that routine screening for those mutations is feasible in clinical practice.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».