A genomic classifier for identifying a neuroendocrine-like bladder cancer subtype.
Notice bibliographique
Résumé
440 Background: Neuroendocrine (NE) carcinoma is a rare and aggressive variant of muscle invasive bladder cancer (MIBC). Molecular subtyping studies found 5-15% of bladder tumors had transcriptome profiles consistent with NE carcinoma but lacked NE histology (Robertson 2017, Sjödahl 2017). Identifying NE variants may have prognostic implications and modify treatment recommendations. In this study, we present a robust genomic classifier trained to identify NE carcinoma. Methods: Transcriptome-wide expression profiles were generated for 576 MIBC patients collected from seven institutions. Model training included profiles generated from TURBT and RC specimens from 320 patients prior to treatment with NAC or chemo-radiation. The validation cohort consisted of 256 RC specimens (no prior systemic treatment). Using 10 MIBC-related gene sets, a GLMNET model was built to predict patients with a NE carcinoma expression profile. Uni- and multi-variable survival analyses were used to characterize outcomes of the predicted NE tumors. Results: In the training set, hierarchical clustering using a panel of 54 genes showed a cluster of 17 patients (5.3%) with a NE carcinoma expression profile. These patients had significantly worse 1 year progression free survival (65% vs 82% for NE vs overall; p = 0.046). In the validation set, 7 tumors were classified (2.7%) as NE with 4 (57%) patients dying from the disease at 1 year after RC. Within 3 years of RC, 100% (7/7) of patients with NE tumors had died. After adjusting for various clinical and pathological factors, patients with predicted NE tumors had a 6.40 increased risk of all-cause mortality (p = 0.001). Conclusions: We have developed a gene expression signature that predicts a particularly high-risk group that may need treatment intensification, alternative chemotherapy or clinical trials. Validation will be required to assess the potential clinical utility of this NE carcinoma classifier.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».