Molecular Characterization of Neuroendocrine-like Bladder Cancer
Notice bibliographique
Résumé
Abstract Purpose: Neuroendocrine (NE) bladder carcinoma is a rare and aggressive variant. Molecular subtyping studies have found that 5% to 15% of muscle-invasive bladder cancer (MIBC) have transcriptomic patterns consistent with NE bladder cancer in the absence of NE histology. The clinical implications of this NE-like subtype have not been explored in depth. Experimental Design: Transcriptome-wide expression profiles were generated for MIBC collected from 7 institutions and clinical-use of Decipher Bladder. Using unsupervised clustering, we generated a clustering solution on a prospective training cohort (PTC; n = 175), developed single-sample classifiers to predict NE tumors, and evaluated the resultant models on a testing radical cystectomy (RC) cohort (n = 225). A random forest model was finalized and applied to 5 validation cohorts (n = 1302). Uni- and multivariable survival analyses were used to characterize clinical outcomes. Results: In the training cohort (PTC), hierarchical clustering using an 84-gene panel showed a cluster of 8 patients (4.6%) with highly heterogeneous expression of NE markers in the absence of basal or luminal marker expression. NE-like tumors were identified in 1% to 6.6% of cases in validation cohorts. Patients with NE-like tumors had significantly worse 1-year progression-free survival (65% NE-like vs. 82% overall; P = 0.046) and, after adjusting for clinical and pathologic factors, had a 6.4-fold increased risk of all-cause mortality (P = 0.001). IHC confirmed the neuronal character of these tumors. Conclusions: A single-patient classifier was developed that identifies patients with histologic urothelial cancer harboring a NE transcriptomic profile. These tumors represent a high-risk subgroup of MIBC, which may require different treatment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 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 ».