MétaCan
Menu
Retour à la cohorte
Enregistrement W2604691720 · doi:10.1200/jco.2012.30.15_suppl.517

Validation of IHC4 algorithms for prediction of risk of recurrence in early breast cancer using both conventional and quantitative IHC approaches.

2012· article· en· W2604691720 sur OpenAlexaff
Jason Christiansen, John M.S. Bartlett, Mark Gustavson, David L. Rimm, Tammy Robson, Cornelis J.�H. van de Velde, Annette Hasenburg, D. G. Kieback, Hein Putter, Christos Markopoulos, Luc Dirix, Caroline Seynaeve, Daniel Rea

Notice bibliographique

RevueJournal of Clinical Oncology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueHER2/EGFR in Cancer Research
Établissements canadiensOntario Institute for Cancer Research
Organismes subventionnairesnon disponible
Mots-clésMedicineImmunohistochemistryOncologyBreast cancerInternal medicineHazard ratioProportional hazards modelUnivariateAlgorithmUnivariate analysisCancerGynecologyMultivariate analysisMultivariate statisticsConfidence intervalMachine learningComputer science

Résumé

récupéré en direct d'OpenAlex

517 Background: Hormone receptors, HER2 and Ki67 are residual risk markers in early breast cancer. Combining these markers into a unified algorithm (IHC4) provides information on residual recurrence risk of patients treated with hormone therapies. This study aimed to independently investigate the validity of the IHC4 algorithm for residual risk prediction using both conventional (DAB)-IHC and quantitative immunofluorescence (QIF-AQUA). Methods: The TEAM pathology study recruited >4500 samples from patients treated in the TEAM trial. TMAs were stained for ER, PgR, HER2 and Ki67 using QIF-AQUA technology or DAB-based immunohistochemistry (DAB-IHC). Central HER2 FISH was performed. Quantitative image analysis was used to generate expression scores that were normalized to produce “IHC4 algorithm” as well as novel algorithm scores. Algorithm scores were compared with disease recurrence in univariate and multivariate Cox Proportional Hazards models. Results: Both DAB-IHC and QIF-AQUA IHC4 continuous models were significant (P<0.0001) for prediction of disease recurrence with a continuous Hazard Ratio (HR) of 1.011 (1.010 – 1.013) for QIF-AQUA IHC4 versus 1.008 (1.007 – 1.010) for the DAB-IHC IHC4 model using the published IHC4 algorithm (Cuzick et al 2011). Binning continuous model scores (4 bins) by Kaplan-Meier survival analysis was used to graphically illustrate these effects. De novo models for both DAB-IHC and QIF-AQUA were also significantly (P<0.0001) predictive of residual risk in early breast cancer. Additionally, all 4 models were independent predictors of recurrence (P<0.0001) with other recognized clinical prognostic factors in multivariate analysis. Although results from DAB and QIF-AQUA were modestly correlated, the QIF-AQUA model showed enhanced prediction of recurrence in both Cox Proportional Hazards Modeling and C-index calculations. Conclusions: Either conventional DAB or QIF-AQUA methods of IHC provided evidence supporting the clinical utility of IHC4 algorithms in the context of the TEAM study. With careful standardization, either of these IHC4 assays should be considered for prediction of residual risk in early breast cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,030
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,536
Tête enseignante GPT0,572
Écart entre enseignants0,036 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetHER2/EGFR in Cancer ResearchTravaux en français237 207