Prognostic Model to Predict Post-Autologous Stem-Cell Transplantation Outcomes in Classical Hodgkin Lymphoma
Notice bibliographique
Résumé
Purpose Our aim was to capture the biology of classical Hodgkin lymphoma (cHL) at the time of relapse and discover novel and robust biomarkers that predict outcomes after autologous stem-cell transplantation (ASCT). Materials and Methods We performed digital gene expression profiling on a cohort of 245 formalin-fixed, paraffin-embedded tumor specimens from 174 patients with cHL, including 71 with biopsies taken at both primary diagnosis and relapse, to investigate temporal gene expression differences and associations with post-ASCT outcomes. Relapse biopsies from a training cohort of 65 patients were used to build a gene expression-based prognostic model of post-ASCT outcomes (RHL30), and two independent cohorts were used for validation. Results Gene expression profiling revealed that 24% of patients exhibited poorly correlated expression patterns between their biopsies taken at initial diagnosis and relapse, indicating biologic divergence. Comparative analysis of the prognostic power of gene expression measurements in primary versus relapse specimens demonstrated that the biology captured at the time of relapse contained superior properties for post-ASCT outcome prediction. We developed RHL30, using relapse specimens, which identified a subset of high-risk patients with inferior post-ASCT outcomes in two independent external validation cohorts. The prognostic power of RHL30 was independent of reported clinical prognostic markers (both at initial diagnosis and at relapse) and microenvironmental components as assessed by immunohistochemistry. Conclusion We have developed and validated a novel clinically applicable prognostic assay that at the time of first relapse identifies patients with unfavorable post-ASCT outcomes. Moving forward, it will be critical to evaluate the clinical use of RHL30 in the context of positron emission tomography-guided response assessment and the evolving cHL treatment landscape.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».