Tumor infiltrating neutrophils and gland formation predict overall survival and molecular subgroups in pancreatic ductal adenocarcinoma
Notice bibliographique
Résumé
BACKGROUND: RNA-sequencing-based classifiers can stratify pancreatic ductal adenocarcinoma (PDAC) into prognostically significant subgroups but are not practical for use in clinical workflows. Here, we assess whether histomorphological features may be used as surrogate markers for predicting molecular subgroup and overall survival in PDAC. METHODS: Ninety-six tissue samples from 50 patients with non-resectable PDAC were scored for gland formation, stromal maturity, mucin, necrosis, and neutrophil infiltration. Prognostic PDAC gene expression classifiers were run on all tumors using whole transcriptome sequencing data from the POG trial (NCT02155621). Findings were validated using digital TCGA slides (n = 50). Survival analysis used multivariate Cox proportional-hazards tests and log-rank tests. RESULTS: The combination of low gland formation and low neutrophil infiltration was significantly associated with the poor prognosis PDAC molecular subgroup (basal-like or squamous) and was an independent predictor of shorter overall survival, in both frozen section (n = 47) and formalin-fixed paraffin-embedded (n = 49) tissue samples from POG patients, and in the TCGA samples. This finding held true in the subgroup analysis of primary (n = 17) and metastatic samples (n = 79). The combination of high gland formation and high neutrophils had low sensitivity but high specificity for favorable prognosis subgroups. CONCLUSIONS: The assessment of gland formation and neutrophil infiltration on routine histological sections can aid in prognostication and allow inferences to be made about molecular subtype, which may help guide patient management decisions and contribute to our understanding of heterogeneity in treatment response.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».