Combining TMEM Doorway Score and MenaCalc Score Improves the Prediction of Distant Recurrence Risk in HR+/HER2− Breast Cancer Patients
Notice bibliographique
Résumé
Purpose: to develop several digital pathology-based machine vision algorithms for combining TMEM and MenaCalc scores and determine if a combination of these biomarkers improves the ability to predict development of distant metastasis over and above that of either biomarker alone. Methods: This retrospective study included a subset of 130 patients (65 patients with no recurrence and 65 patients with a recurrence at 5 years) from the Calgary Tamoxifen cohort of breast cancer patients. Patients had confirmed invasive breast cancer and received adjuvant tamoxifen therapy. Of the 130 patients, 86 cases were suitable for analysis in this study. Sequential sections of formalin-fixed paraffin-embedded patient samples were stained for TMEM doorways (immunohistochemistry triple staining) and MenaCalc (immunofluorescence staining). Stained sections were imaged, aligned, and then scored for TMEM doorways and MenaCalc. Different ways of combining TMEM doorway and MenaCalc scores were evaluated and compared to identify the best performing combined marker by using the restricted mean survival time (RMST) difference method. Results: the best performing combined marker gave an RMST difference of 5.27 years (95% CI: 1.71–8.37), compared to 3.56 years (95% CI: 0.95–6.1) for the associated standalone TMEM doorway analysis and 2.94 years (95% CI: 0.25–5.87) for the associated standalone MenaCalc analysis. Conclusions: combining TMEM doorway and MenaCalc scores as a new biomarker improves prognostication over that observed with TMEM doorway or MenaCalc Score alone in this cohort of 86 patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».