MétaCan
Menu
Retour à la cohorte
Enregistrement W2994917102 · doi:10.1002/path.5373

Clinicopathological and molecular characterisation of ‘multiple‐classifier’ endometrial carcinomas

2019· article· en· W2994917102 sur OpenAlexaff
Alicia León‐Castillo, Ester Gilvazquez, Remi A. Nout, Vincent T.H.B.M. Smit, Jessica N. McAlpine, Melissa K. McConechy, Stefan Kommoss, Sara Y. Brucker, Joseph W. Carlson, E. Epstein, Tilman T. Rau, Robert A. Soslow, Raji Ganesan, Xavier Matías‐Guiu, Esther Oliva, Beth Harrison, David N. Church, C. Blake Gilks, Tjalling Bosse

Notice bibliographique

RevueThe Journal of Pathology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGenetic factors in colorectal cancer
Établissements canadiensVancouver General HospitalUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesNational Institutes of HealthNational Cancer InstituteKWF KankerbestrijdingAcademy of Medical SciencesCancer Research UK
Mots-clésClassifier (UML)BiologyEndometrial cancerCarcinomaCancer researchPathologyMedicineCancerGeneticsArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Endometrial carcinoma (EC) molecular classification based on four molecular subclasses identified in The Cancer Genome Atlas (TCGA) has gained relevance in recent years due to its prognostic utility and potential to predict benefit from adjuvant treatment. While most ECs can be classified based on a single classifier (POLE exonuclease domain mutations - POLEmut, MMR deficiency - MMRd, p53 abnormal - p53abn), a small but clinically relevant group of tumours harbour more than one molecular classifying feature and are referred to as 'multiple-classifier' ECs. We aimed to describe the clinicopathological and molecular features of multiple-classifier ECs with abnormal p53 (p53abn). Within a cohort of 3518 molecularly profiled ECs, 107 (3%) tumours displayed p53abn in addition to another classifier(s), including 64 with MMRd (MMRd-p53abn), 31 with POLEmut (POLEmut-p53abn), and 12 with all three aberrations (MMRd-POLEmut-p53abn). MMRd-p53abn ECs and POLEmut-p53abn ECs were mostly grade 3 endometrioid ECs, early stage, and frequently showed morphological features characteristic of MMRd or POLEmut ECs. 18/28 (60%) MMRd-p53abn ECs and 7/15 (46.7%) POLEmut-p53abn ECs showed subclonal p53 overexpression, suggesting that TP53 mutation was a secondary event acquired during tumour progression. Hierarchical clustering of TCGA ECs by single nucleotide variant (SNV) type and somatic copy number alterations (SCNAs) revealed that MMRd-p53abn tumours mostly clustered with single-classifier MMRd tumours (20/23) rather than single-classifier p53abn tumours (3/23), while POLEmut-p53abn tumours mostly clustered with single-classifier POLEmut tumours (12/13) and seldom with single-classifier p53abn tumours (1/13) (both p ≤ 0.001, chi-squared test). Finally, the clinical outcome of patients with MMRd-p53abn and POLEmut-p53abn ECs [stage I 5-year recurrence-free survival (RFS) of 92.2% and 94.1%, respectively] was significantly different from single-classifier p53abn EC (stage I RFS 70.8%, p = 0.024 and p = 0.050, respectively). Our results support the classification of MMRd-p53abn EC as MMRd and POLEmut-p53abn EC as POLEmut. © 2019 The Authors. The Journal of Pathology published by John Wiley & Sons Ltd on behalf of Pathological Society of Great Britain and Ireland.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,035
Tête enseignante GPT0,297
Écart entre enseignants0,263 · 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

Citations402
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of PathologyMême sujetGenetic factors in colorectal cancerTravaux en français237 207