Decipher Genomic Classifier Measured on Prostate Biopsy Predicts Metastasis Risk
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the ability of the Decipher genomic classifier in predicting metastasis from analysis of prostate needle biopsy diagnostic tumor tissue specimens. MATERIALS AND METHODS: Fifty-seven patients with available biopsy specimens were identified from a cohort of 169 men treated with radical prostatectomy in a previously reported Decipher validation study at Cleveland Clinic. A Cox multivariable proportional hazards model and survival C-index were used to evaluate the performance of Decipher. RESULTS: With a median follow up of 8 years, 8 patients metastasized and 3 died of prostate cancer. The Decipher plus National Comprehensive Cancer Network (NCCN) model had an improved C-index of 0.88 (95% confidence interval [CI] 0.77-0.96) compared to NCCN alone (C-index 0.75, 95% CI 0.64-0.87). On multivariable analysis, Decipher was the only significant predictor of metastasis when adjusting for age, preoperative prostate-specific antigen and biopsy Gleason score (Decipher hazard ratio per 10% increase 1.72, 95% CI 1.07-2.81, P = .02). CONCLUSION: Biopsy Decipher predicted the risk of metastasis at 10 years post radical prostatectomy. While further validation is required on larger cohorts, preoperative knowledge of Decipher risk derived from biopsy could indicate the need for multimodality therapy and help set patient expectations of therapeutic burden.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».