Abstract 14410: A Machine Learning Approach to Predicting Risk of Anthracycline Cardiotoxicity in Pediatric Cancer Survivors
Notice bibliographique
Résumé
Background: Despite known clinical and genetic risk factors, predicting anthracycline cardiotoxicity remains challenging. Objective: To develop a risk prediction model for anthracycline cardiotoxicity in childhood cancer survivors. Methods: We performed exome sequencing in 289 childhood cancer survivors at least 3 years from anthracycline exposure. In a nested case-control design, 183 cases with LV ejection fraction (LVEF) ≤55% despite low-dose doxorubicin (DOX) (≤250 mg/m2), and 106 controls with LVEF >55% despite DOX >250 mg/m2 were selected as extreme phenotypes. Rare/low-frequency variants were collapsed to identify genes differentially enriched for variants between cases and controls. The top-ranked genes were functionally evaluated in human induced pluripotent stem cell-derived cardiomyocytes (hiPSC-CMs) and variant enrichment was confirmed in a replication cohort. Using random forest, a risk prediction model that included genetic and clinical predictors was developed. Results: Thirty-one genes were differentially enriched for variants between cases and controls (p<0.001). Only 42.6% cases harbored a variant in these genes compared to 89.6% controls [Odds ratio (95% CI), 0.086 (0.043-0.171), p=3.98x10 -15 ] suggesting that absence of these variants may predispose to cardiotoxicity. A risk prediction model for cardiotoxicity that included clinical and genetic factors had a higher prediction accuracy and lower misclassification rate compared to the clinical model. In vitro inhibition of gene-associated pathways ( PI3KR2, ZNF827 ) provided protection from cardiotoxicity in CMs. Conclusions: Our study identified variants that protect against cardiotoxicity and informed the development of a prediction model for delayed anthracycline cardiotoxicity, and also provided new targets in autophagy genes for development of cardio-protective drugs.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».