MétaCan
Menu
← Retour à la cohorte
Enregistrement W2890571864 · doi:10.1200/jco.2018.36.15_suppl.3586

Prognostic immune scoring of colorectal cancer liver metastasis with MHC class-I expression combined to T cell quantification.

2018· article· en· W2890571864 sur OpenAlexaff
David Henault, David Stephen, Pierre-Antoine St-Hilaire, Nouredin Messaoudi, Franck Vandenbroucke‐Menu, M. Plasse, Richard Létourneau, André Roy, M. Dagenais, Réal Lapointe, Bich Nguyen, Geneviève Soucy, Anne‐Marie Mes‐Masson, Simon Turcotte

Notice bibliographique

RevueJournal of Clinical Oncology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineColorectal cancerCD8Immune systemChemotherapyMajor histocompatibility complexTissue microarrayMetastasisImmunohistochemistryInternal medicineOncologyGastroenterologyPathologyCancerImmunology

Résumé

récupéré en direct d'OpenAlex

3586 Background: Approximately 80% of patients recur after curative-intent resection of colorectal cancer liver metastasis (CRLM) and systemic chemotherapy. Immune profiling may help prognostication to individualize follow-up and lead to novel therapeutic strategies. We tested whether adding major histocompatibility class I (MHC-I) expression to T cell immune scoring in CRLMs could group patients with distinct prognosis. Methods: Tissue microarray analysis of 391 CRLMs resected in 214 patients (2011-2014) followed prospectively until 10/2017. Each CRLM arrayed with twelve 0.6 mm punch biopsies, 6 at the interface (IF) with normal liver and 6 intratumoral (IT). Automated quantification of CD3+ cells and MHC-I+ surface area stained by immunohistochemistry. We tested associations between immune, clinicopathological, and time to recurrence (TTR) and disease specific survival (DSS) outcome variables. Results: The mean patient age was 62.7 years, 78.5% received pre-operative chemotherapy (mean of 6 cycles), and a median of 2 CRLMs/patient were resected. The median TTR and DSS were 15.4 and 56.7 months, respectively. Pre-operative chemotherapy was associated with higher CD3 infiltration and lower MHC-I expression at IF and IT. Good pathological response to chemotherapy (Rubbia-Brandt TRG score 1-2-3) compared to lack of response (TRG 4-5) was associated with higher CD3 infiltration but no significant difference in MHC-I expression. CD3 immune scoring integrating the IF and IT areas had no prognostic value. MHC-I expression prognostically stratified patients with CD3low but not CD3high CRCLMs. Compared to the rest of the cohort, patients with at least one CD3lowMHC-Ihi CRLM (n = 35, 16.4 %) had significantly shorter median TTR (8.3 vs. 17.1 months, p < 0.001) and DSS (42.6 vs. 61.5 months, p < 0.001). CD3lowMHC-Ihi CRLMs were found in 41.2% of recurrent CRLMs in patients without this type of metastasis at first resection. CD3lowMHC-Ihi CRLM was an independent predictor of poor outcomes by multivariate analysis. Conclusions: CD3lowMHChi CRLMs may identify patients with poorly immunogenic tumors associated with worst outcome and suboptimal response to systemic chemotherapy.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,437
Écart entre enseignants0,327 · 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'étudeObservationnel
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→