Collaborative, Multidisciplinary Evaluation of Cancer Variants Through Virtual Molecular Tumor Boards Informs Local Clinical Practices
Notice bibliographique
Résumé
PURPOSE: The cancer research community is constantly evolving to better understand tumor biology, disease etiology, risk stratification, and pathways to novel treatments. Yet the clinical cancer genomics field has been hindered by redundant efforts to meaningfully collect and interpret disparate data types from multiple high-throughput modalities and integrate into clinical care processes. Bespoke data models, knowledgebases, and one-off customized resources for data analysis often lack adequate governance and quality control needed for these resources to be clinical grade. Many informatics efforts focused on genomic interpretation resources for neoplasms are underway to support data collection, deposition, curation, harmonization, integration, and analytics to support case review and treatment planning. METHODS: In this review, we evaluate and summarize the landscape of available tools, resources, and evidence used in the evaluation of somatic and germline tumor variants within the context of molecular tumor boards. RESULTS: Molecular tumor boards (MTBs) are collaborative efforts of multidisciplinary cancer experts equipped with genomic interpretation resources to aid in the delivery of accurate and timely clinical interpretations of complex genomic results for each patient, within an institution or hospital network. Virtual MTBs (VMTBs) provide an online forum for collaborative governance, provenance, and information sharing between experts outside a given hospital network with the potential to enhance MTB discussions. Knowledge sharing in VMTBs and communication with guideline-developing organizations can lead to progress evidenced by data harmonization across resources, crowd-sourced and expert-curated genomic assertions, and a more informed and explainable usage of artificial intelligence. CONCLUSION: Advances in cancer genomics interpretation aid in better patient and disease classification, more streamlined identification of relevant literature, and a more thorough review of available treatments and predicted patient outcomes.
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 | 0,060 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».