Circulating Tumor DNA in HER2-Amplified Breast Cancer: A Translational Research Substudy of the NeoALTTO Phase III Trial
Notice bibliographique
Résumé
Abstract Purpose: In the neoadjuvant treatment (NAT) setting, dual HER2-targeted therapy is associated with increased pathologic complete response (pCR) rates compared with each therapy alone. Biomarkers allowing to predict treatment response during NAT are needed. We aim to evaluate whether circulating tumor DNA (ctDNA) is associated with response to anti-HER2–targeted therapy. Experimental Design: Plasma DNA collected before NAT, at week 2, and before surgery from patients enrolled in the NeoALTTO trial was assessed using digital PCR for PIK3CA and TP53 mutation detection. Results: A total of 69 of 455 (15.2%) patients had a PIK3CA and/or TP53 mutation detected in the baseline tumor sample and evaluable ctDNA results from baseline samples. CtDNA was detected in 41%, 20%, and 5% patients before NAT, at week 2, and before surgery, respectively. ctDNA detection before NAT was significantly associated with older age and ER-negative status. ctDNA detection before NAT was associated with decreased odds of achieving pCR (OR = 0.15; 95% CI, 0.034–0.7; P = 0.0089), but not with event-free survival (EFS). Analyses for EFS were underpowered. Interestingly, the patients with HER2-enriched subtype tumors and undetectable ctDNA at baseline had the highest pCR rates. In contrast, patients with persistent ctDNA detection at baseline and week 2 had the lowest rate of pCR. Conclusions: ctDNA detection before neoadjuvant anti-HER2 therapies is associated with decreased pCR rates. Interestingly, patients with HER2-enriched tumors and undetectable ctDNA at baseline had the highest pCR rates, therefore appearing as the best candidates for treatment deescalation strategies.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».