Predicting Progression of Low-Grade Oral Dysplasia Using Brushing-Based DNA Ploidy and Chromatin Organization Analysis
Notice bibliographique
Résumé
Abstract Most oral cancers arise from oral potentially malignant lesions, which show varying grades of dysplasia. Risk of progression increases with increasing grade of dysplasia; however, risk prediction among oral low-grade dysplasia (LGD), that is, mild and moderate dysplasia can be challenging as only 5%–15% transform. Moreover, grading of dysplasia is subjective and varies with the area of the lesion being biopsied. To date, no biomarkers or tools are used clinically to triage oral LGDs. This study uses a combination of DNA ploidy and chromatin organization (CO) scores from cells obtained from lesion brushings to identify oral LGDs at high-risk of progression. A total of 130 lesion brushings from patients with oral LGDs were selected of which 16 (12.3%) lesions progressed to severe dysplasia or cancer. DNA ploidy and CO scores were analyzed from nuclear features measured by our in-house DNA image cytometry (DNA-ICM) system and used to classify brushings into low-risk and high-risk. A total of 57 samples were classified as high-risk of which 13 were progressors. High-risk DNA brushing was significant for progression (P = 0.001) and grade of dysplasia (P = 0.004). Multivariate analysis showed high-risk DNA brushing showed 5.1- to 8-fold increased risk of progression, a stronger predictor than dysplasia grading and lesion clinical features. DNA-ICM can serve as a non-invasive, high-throughput tool to identify high-risk lesions several years before transformation. This will help clinicians focus on such lesions whereas low-risk lesions may be spared from unnecessary biopsies. Prevention Relevance: DNA ploidy and chromatin organization of cells collected from oral potentially malignant lesions (OPMLs) can identify lesions at high-risk of progression several years prior. This non-invasive test would enable clinicians to triage high-risk (OPMLs) for closer follow-up while low-risk lesions can undergo less frequent biopsies reducing burden on healthcare resources.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».