Can a Broad Molecular Screen Based on Circulating Tumor DNA Aid in Early Cancer Detection?
Notice bibliographique
Résumé
Early detection of cancer has been a major research focus for almost a century. Current methods for early cancer detection suffer from suboptimal sensitivity and specificity, especially when used for population screening. For most major cancers, including breast, prostate, lung, ovarian, and pancreatic cancer, population screening is still controversial or is not recommended by expert bodies. Circulating tumor DNA (ctDNA) is an exciting new cancer biomarker with potential applicability to all cancer types. Recent investigations have shown that genetic alterations or epigenetic modifications in ctDNA could be used for cancer detection with a liquid biopsy (i.e., a tube of blood). Tests based on ctDNA have attracted considerable attention for various applications, such as patient management, prognosis, early diagnosis, and population screening. Recently, new biotechnology companies were founded, with the goal of revolutionizing early cancer detection by using ctDNA. We previously examined this technology, as published by various academic laboratories and of one leading company, Grail, and drew attention to potential obstacles. After 3 years of intense development, this technology seems to have made some progress. Here, we will analyze the latest clinical data presented by Grail in October 2019, during the inaugural American Society of Clinical Oncology (ASCO) 2019 Breakthrough Conference. Despite considerable technical improvements, it seems that the sensitivity and specificity of the Grail test as a pan-cancer screening tool are still too low for clinical use. The prospects that this test could be further improved are also discussed.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».