Clinical outcomes after whole-genome sequencing in patients with metastatic non-small-cell lung cancer
Notice bibliographique
Résumé
The Personalized Onco-Genomics (POG) program at BC Cancer integrates whole-genome (DNA) and RNA sequencing into practice for metastatic malignancies. We examined the subgroup of patients with metastatic non-small-cell lung cancer (NSCLC) and report the prevalence of actionable targets, treatments, and outcomes. We identified patients who were enrolled in the POG program between 2012 and 2016 who had a tumor biopsy and blood samples with comprehensive DNA (80×, 40× normal) and RNA sequencing followed by in-depth bioinformatics to identify potential cancer drivers and actionable targets. In NSCLC cases, we compared the progression-free survival (PFS) of “POG-informed therapies” with the PFS of the last regimen prior to POG (PFS ratio). In 29 NSCLC cases, 11 were male (38%), the median age was 60.2 yr (range: 39.4–72.6), and histologies included were adenocarcinoma (93%) and squamous cell carcinoma (7%). Potential molecular targets (i.e., cancer drivers including TP53 mutations) were identified in 26 (90%), and 21 (72%) had actionable targets. Therapies based on standard-of-care mutation analysis, such as EGFR mutations, were not considered POG-informed therapies. Thirteen received POG-informed therapies, of which three had no therapy before POG; therefore a comparator PFS could not be obtained. Of 10 patients with POG-informed therapy, median PFS ratio was 0.94 (IQR 0.2–3.4). Three (30%) had a PFS ratio ≥1.3, and three (30%) had a PFS ratio ≥0.8 and <1.3. In this small cohort of NSCLC, 30% demonstrated longer PFS with POG-informed therapies. Larger studies will help clarify the role of whole-genome analysis in clinical practice.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».