Integrating NGS-derived mutational profiling in the diagnosis of multiple lung adenocarcinomas
Notice bibliographique
Résumé
MICROABSTRACT: Integration of Next Generation Sequencing (NGS) information for use in distinguishing between Multiple Primary Lung Cancer and intrapulmonary metastasis was evaluated. We used a probabilistic model, comprehensive histologic assessment and NGS to classify patients. Integrating NGS data confirmed initial diagnosis (n = 41), revised the diagnosis (n = 12), while resulted in non-informative data (n = 8). Accuracy of diagnosis can be significantly improved with integration of NGS data. BACKGROUND: Distinguishing between multiple primary lung cancers (MPLC) and intrapulmonary metastases (IPM) is challenging. The goal of this study was to evaluate how Next Generation Sequencing (NGS) information may be integrated in the diagnostic strategy. PATIENTS AND METHODS: Patients with multiple lung adenocarcinomas were classified using both the comprehensive histologic assessment and NGS. We computed the joint probability of each pair having independent mutations by chance (thus being classified as MPLC). These probabilities were computed using the marginal mutation rates of each mutation, and the known negative dependencies between driver genes and different gene loci. With these NGS-driven data, cases were re-classified as MPLC or IPM. RESULTS: We analyzed 61 patients with a total of 131 tumors. The most frequent mutation was KRAS (57.3%) which occured at a rate higher than expected (p < 0.001) in lung cancer. No mutation was detected in 25/131 tumors (19.1%). Discordant molecular findings between tumor sites were found in 46 patients (75.4%); 11 patients (18.0%) had concordant molecular findings, and 4 patients (6.6%) had concordant molecular findings at 2 of the 3 sites. After integration of the NGS data, the initial diagnosis was confirmed for 41 patients (67.2%), the diagnosis was revised for 12 patients (19.7%) or was considered as non-informative for 8 patients (13.1%). CONCLUSION: Integrating the information of NGS data may significantly improve accuracy of diagnosis and staging.
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) | 0,000 | 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 ».