Investigation of PD-L1 Biomarker Testing Methods for PD-1 Axis Inhibition in Non-squamous Non–small Cell Lung Cancer
Notice bibliographique
Résumé
Inhibitors of the programmed cell death 1 (PD-1) signaling axis have recently demonstrated efficacy and are rapidly being incorporated into the treatment of non-small cell lung cancers (NSCLCs). Despite clear benefits to certain patients, the association of these responses with a predictive biomarker remains uncertain. Several different biomarkers have been proposed, with differing results and conclusions. This study compares multiple methods of biomarker testing for treatment of NSCLCs with PD1-axis inhibitors. Tissue microarrays of matched primary and metastatic NSCLCs were used to compare four different PD-1 ligand (PD-L1) IHC techniques, as well as RNA ISH. Additional cases with whole genome and transcriptome data were assessed for molecular correlates of PD-L1 overexpression. Eighty cases were included in the IHC study. Multiple IHC methodologies showed a high rate of agreement (Kappa = 0.67). When calibrated to RNA expression, agreement improved significantly (Kappa = 0.90, p=0.0049). PD-L1 status of primary and metastatic tumors was discordant in 17 (22%) cases. This study suggests that different IHC methodologies for PD-L1 assessment provide slightly different results. There is significant discordance between the PD-L1 status of primary tumors and lymph node metastases. RNA ISH may be a useful adjunct to complement PD-L1 IHC testing.
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 | 0,024 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».