MétaCan
Menu
Retour à la cohorte
Enregistrement W4224675640 · doi:10.1371/journal.pone.0266623

Clinical validation of a next-generation sequencing-based multi-cancer early detection “liquid biopsy” blood test in over 1,000 dogs using an independent testing set: The CANcer Detection in Dogs (CANDiD) study

2022· article· en· W4224675640 sur OpenAlexafffund
Andi Flory, Kristina M. Kruglyak, John A. Tynan, Lisa M. McLennan, Jill M. Rafalko, Patrick C. Fiaux, Gilberto E. Hernandez, Francesco Marass, Prachi Nakashe, Carlos A. Ruiz-Pérez, Donna M. Fath, Thuy Jennings, Rita Motalli-Pepio, Kate Wotrang, Angela L. McCleary‐Wheeler, Susan E. Lana, Brenda Phillips, Brian K. Flesner, Nicole F. Leibman, Tracy A. LaDue, Chelsea Tripp, Brenda L. Coomber, J. Paul Woods, Mairin Miller, Sean W. Aiken, Amber Wolf‐Ringwall, Antonella Borgatti, Kathleen Kraska, Chris Thomson, Alane Kosanovich Cahalane, Rebecca L. Murray, William C. Kisseberth, M. A. Camps‐Palau, Franck Floch, Claire Beaudu-Lange, Aurélia Klajer-Peres, Olivier Keravel, Luc-André Fribourg-Blanc, Pascale Chicha Mazetier, Angelo Marco, Molly B. McLeod, Erin Portillo, Terry S. Clark, Scott Judd, C. Kirk Feinberg, Marie Benitez, Candace Runyan, Lindsey Hackett, Scott Lafey, Danielle Richardson, Sarah Vineyard, Mary Tefend Campbell, Nilesh Dharajiya, Taylor J. Jensen, Dirk van den Boom, Luis A. Díaz, Daniel S. Grosu, Arthur Polk, Kalle Marsal, Susan Cho Hicks, Katherine M. Lytle, Lauren E. Holtvoigt, Jason Chibuk, Ilya Chorny, Dana W.Y. Tsui

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueVeterinary Oncology Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNational Cancer InstituteUniversity of GuelphUniversity of MissouriUniversity of MinnesotaColorado State UniversityOhio State University
Mots-clésCancerMedicineLiquid biopsySarcomaBiopsyPathologyHemangiosarcomaLymphomaOsteosarcomaCancer screeningInternal medicineSoft tissue sarcomaOncologyAngiosarcoma

Résumé

récupéré en direct d'OpenAlex

Cancer is the leading cause of death in dogs, yet there are no established screening paradigms for early detection. Liquid biopsy methods that interrogate cancer-derived genomic alterations in cell-free DNA in blood are being adopted for multi-cancer early detection in human medicine and are now available for veterinary use. The CANcer Detection in Dogs (CANDiD) study is an international, multi-center clinical study designed to validate the performance of a novel multi-cancer early detection "liquid biopsy" test developed for noninvasive detection and characterization of cancer in dogs using next-generation sequencing (NGS) of blood-derived DNA; study results are reported here. In total, 1,358 cancer-diagnosed and presumably cancer-free dogs were enrolled in the study, representing the range of breeds, weights, ages, and cancer types seen in routine clinical practice; 1,100 subjects met inclusion criteria for analysis and were used in the validation of the test. Overall, the liquid biopsy test demonstrated a 54.7% (95% CI: 49.3-60.0%) sensitivity and a 98.5% (95% CI: 97.0-99.3%) specificity. For three of the most aggressive canine cancers (lymphoma, hemangiosarcoma, osteosarcoma), the detection rate was 85.4% (95% CI: 78.4-90.9%); and for eight of the most common canine cancers (lymphoma, hemangiosarcoma, osteosarcoma, soft tissue sarcoma, mast cell tumor, mammary gland carcinoma, anal sac adenocarcinoma, malignant melanoma), the detection rate was 61.9% (95% CI: 55.3-68.1%). The test detected cancer signal in patients representing 30 distinct cancer types and provided a Cancer Signal Origin prediction for a subset of patients with hematological malignancies. Furthermore, the test accurately detected cancer signal in four presumably cancer-free subjects before the onset of clinical signs, further supporting the utility of liquid biopsy as an early detection test. Taken together, these findings demonstrate that NGS-based liquid biopsy can offer a novel option for noninvasive multi-cancer detection in dogs.

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)0,008
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,393
Tête enseignante GPT0,419
Écart entre enseignants0,026 · 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

Citations56
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetVeterinary Oncology ResearchTravaux en français237 207