The Challenges of Validating in Precision Medicine: The Case of Excision Repair Cross-Complement Group 1 Diagnostic Testing
Notice bibliographique
Résumé
Personalized medicine relies upon the successful identification and translation of predictive biomarkers. Unfortunately, biomarker development has often fallen short of expectations. To better understand the obstacles to successful biomarker development, we systematically mapped research activities for a biomarker that has been in development for at least 12 years: excision repair cross-complement group 1 protein (ERCC1) as a biomarker for predicting clinical benefit with platinum-based chemotherapy in non-small cell lung cancer. We found that although research activities explored a wide range of approaches to ERCC1 testing, there was little replication or validation of techniques, and design and reporting of results were generally poor. Our analysis points to problems with coordinating and standardizing research in biomarker development. Clinically meaningful progress in personalized medicine will require concerted efforts to address these problems. In the interim, health care providers should be aware of the complexity involved in biomarker development, cautious about their near-term clinical value, and conscious of applying only validated diagnostics in the clinic. THE ONCOLOGIST: 2017;22:89-96 IMPLICATIONS FOR PRACTICE: : Many hospitals, policy makers, and scientists have made ambitious claims about the promise of personalizing cancer care. When one uses a case example of excision repair cross-complement group 1 protein-a biomarker that has a strong biological rationale and that has been researched for 12 years-the current research environment seems poorly suited for efficient development of biomarker tests. The findings provide grounds for tempering expectations about personalized cancer care-at least in the near term-and shed light on the current gap between the promise and practice of personalized medicine.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».