Intratumoral heterogeneity in programmed death‐ligand 1 immunoreactivity is associated with variation in non‐small cell lung carcinoma histotype
Notice bibliographique
Résumé
AIMS: Accurate assessment of programmed death-ligand 1 (PD-L1) levels in non-small cell lung carcinoma (NSCLC) samples is complicated by intratumoral heterogeneity. We aimed to: (i) establish whether intratumoral PD-L1 variation is associated with differences in local histotype; (ii) identify histotypes associated with a tendency for there to be higher or lower PD-L1 scores; and (iii) estimate the frequency of clinically significant discordance in PD-L1 levels between intratumoral histotype areas. METHODS AND RESULTS: We reviewed 166 NSCLC resection specimens clinically tested for PD-L1 with the 22C3 pharmDx assay. Multiple histotypes were present in 55% (68/123) of non-mucinous adenocarcinoma samples. Solid histotypes had significantly higher PD-L1 levels than other histotypes, both when samples were grouped by predominant histotype, and when histotype areas within a tumour were compared (P < 0.02). Lepidic areas had significantly lower PD-L1 levels than other histotype areas within the same tumour (P < 0.02). Discordance between intratumoral histotype areas at a clinically relevant threshold (PD-L1 tumour proportion score of 1% or 50%) was present in 32% (22/68) of non-mucinous adenocarcinoma specimens with multiple histotype areas. The lepidic histotype was most frequently involved in discordance. CONCLUSIONS: Intratumoral heterogeneity in PD-L1 is associated with variation in histotype. Over-representation of solid areas may increase the PD-L1 score assigned to a tumour, whereas over-representation of lepidic areas may decrease the PD-L1 score. Evaluation of how histotype representation impacts on the predictive value of PD-L1 testing is warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».