Personalized risk stratification for patients with early prostate cancer (PRONTO): A Canadian team biomarker project.
Notice bibliographique
Résumé
109 Background: Current practice stratifies men with prostate cancer into risk groups based primarily on Gleason grade. When applied to biopsy samples, the Gleason grading is inaccurate due to sampling error and inter-observer variation. The result is that men either receive unnecessary surgical treatment, or they don’t receive adequate treatment, leading to worse outcomes. Previously published genomic tests have not successfully distinguished indolent low grade (G6 or GG1) cancers from their more aggressive intermediate grade (G7 or GG2 and 3) counterparts. PRONTO is specifically aimed at creating a multi-modal risk stratification tool to improve treatment stratification following a core biopsy diagnosis. Methods: PRONTO links 7 projects, each with novel diagnostic assays for risk stratification that focus on analysis of copy number variations (CNV), DNA hypermethylation, trans-differentiation, cancer metabolism, or the tumor microenvironment. We merged the best transcripts from each project into a single NanoString gene expression assay, measuring 393 transcripts, in a cohort of 365 cases of radical prostatectomy from low-to-intermediaterisk patients. To minimize sampling error, we took multiple samples, and obtained high grade, low grade and benign areas for each radical prostatectomy case. Results: Our primary goal was to develop a multivariate molecular classifier of grade that distinguished G6 from G7 (3+4 or 4+3). Cases were randomly partitioned into five equally sized groups. A supervised machine learning algorithm (random forests) was trained on samples from four of the groups, and then evaluated by testing on the fifth group. This process was repeated for each of the five groups, yielding a combined clinical and molecular classifier. DNA methylation profiles and CNV profiles are currently being integrated into our classifier Conclusions: We have developed a multivariate classifier that distinguishes low grade from intermediate grade prostate cancer. It will be clinically validated in biopsy samples from large cohorts of early prostate cancer patients.
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 | 0,009 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».