MétaCan
Menu
← Retour à la cohorte
Enregistrement W3112835023 · doi:10.1093/neuonc/noaa222.655

PATH-20. METHYLATION ARRAY PROFILING OF PEDIATRIC BRAIN TUMORS; SINGLE CENTRE EXPERIENCE

2020· article· en· W3112835023 sur OpenAlexaff
Michal Zápotocký, Aleš Vícha, Lenka Krsková, Josef Zámečnı́k, Lucie Štolová, Adéla Mišove, Katerina Hadrava Vanova, Miroslav Koblížek, Vijay Ramaswamy, David Jones, David Sumerauer

Notice bibliographique

RevueNeuro-Oncology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMethylationDNA methylationMedulloblastomaGliomaMedicineHistopathologyEpendymomaOncologyPathologyInternal medicineBioinformaticsBiologyCancer researchGeneGeneticsGene expression

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Significant heterogeneity of pediatric brain tumors poses major challenge on diagnostics. Therefore, we aimed to evaluate feasibility of methylation array in the diagnostic process. METHODS Methylation array (Infinium MethylationEPIC, Illumina) was performed on DNA extracted from fresh frozen tissue from prospective newly diagnosed and selected retrospective patients. Results from Heidelberg classifier (www.molecularneuropathology.org) were compared to the histological diagnosis and further genetic testing was performed to establish integrated morphological/molecular diagnosis. RESULTS Within years 2018–2019, we performed methylation array profiling of 102 samples consisting mainly of ependymoma, medulloblastoma high-grade and low-grade glioma. High calibrated score (>0.9) was achieved in 62 patients (61%). In 46 cases (74%) with score >0.9, the histological diagnosis matched the methylation class (MC). In the remaining cases (16) that were classified by histopathology mainly as ependymomas, the methylation profiles were classified as novel molecular entities (HGNET_BCOR, HGNET_MN1, etc.) or different tumor type. In 40 cases (39%) with the score <0.9, six were found to have high normal tissue content. Nine cases had no match in the classifier and 25 were assigned MC with score 0.3 to 0.89. In 20 out of 34 cases with low score, the molecular diagnosis could be confirmed based on copy number variants inferred from the methylation array or using additional testing for gene fusions and mutations. CONCLUSIONS Our experience on the first 100+ cases demonstrated that methylation array could be integral part of diagnostic process in order to establish integrated morphological and molecular diagnosis of pediatric brain tumors.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,151
Tête enseignante GPT0,404
Écart entre enseignants0,253 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology→Même sujetArtificial Intelligence in Healthcare and Education→Travaux en français237 207→