MétaCan
Menu
Retour à la cohorte
Enregistrement W3195679999 · doi:10.1177/17588359211035959

The emerging role of molecular pathology in directing the systemic treatment of endometrial cancer

2021· review· en· W3195679999 sur OpenAlexaff
Amy Jamieson, Tjalling Bosse, Jessica N. McAlpine

Notice bibliographique

RevueTherapeutic Advances in Medical Oncology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueEndometrial and Cervical Cancer Treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMolecular pathologySubtypingMedicineEndometrial cancerMolecular diagnosticsTargeted therapyBioinformaticsMolecular markerCancerOncologyInternal medicineComputational biologyPathologyBiologyGeneGeneticsComputer science

Résumé

récupéré en direct d'OpenAlex

Following the discovery of the four molecular subtypes of endometrial cancer (EC) by The Cancer Genome Atlas (TCGA) in 2013, subsequent studies used surrogate markers to develop and validate a clinically relevant EC classification tool to recapitulate TCGA subtypes. Molecular classification combines focused sequencing ( POLE) and immunohistochemistry (mismatch repair and p53 proteins) to assign patients with EC to one of four molecular subtypes: POLEmut, MMRd, p53abn and NSMP (no specific molecular profile). Unlike histopathological evaluation, the molecular subtyping of EC offers an objective and reproducible classification system that has been shown to have prognostic value and therapeutic implications. It is an exciting time in EC care where we have moved beyond treatment based on histomorphology alone, and molecular classification will now finally allow assessment of treatment efficacy within biologically similar tumours. It is now recommended that molecular classification should be considered for all ECs, and should be performed routinely in all high grade tumours. It is also recommended to incorporate molecular classification into standard pathology reporting and treatment decision-making algorithms. In this review, we will discuss how the molecular classification of EC can be used to guide both conventional and targeted therapy in this new molecular era.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,046
Tête enseignante GPT0,445
Écart entre enseignants0,399 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations85
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic Advances in Medical OncologyMême sujetEndometrial and Cervical Cancer TreatmentsTravaux en français237 207