MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281672405 · doi:10.1200/jco.2022.40.16_suppl.11547

Circulating tumor DNA (ctDNA) detection of molecular residual disease (MRD) as a potential biomarker in localized soft tissue sarcoma (STS).

2022· article· en· W4281672405 sur OpenAlexaff
Abdulazeez Salawu, Elizabeth G. Demicco, Peter Chung, Jordan Feeney, Jasmine Lee, Eoghan Ruadh Malone, Charles Catton, Limore Arones, Madeline Phillips, Philip Wong, Jay S. Wunder, Peter C. Ferguson, Stephen B. Willingham, David Shultz, Albiruni Ryan Abdul Razak

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSarcoma Diagnosis and Treatment
Établissements canadiensMount Sinai HospitalPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineOncologyCirculating tumor DNARadiation therapyBiomarkerMinimal residual diseasePopulationCancerGastroenterologyGeneticsBiology

Résumé

récupéré en direct d'OpenAlex

11547 Background: Surgery and (neo)adjuvant radiotherapy are the mainstay curative treatments for localized STS. Despite treatment, approximately 50% of STS patients (pts) experience metastatic relapse and routine use of adjuvant systemic therapy (AST) remains controversial. The presence of ctDNA following curative treatment of STS is a potential biomarker for MRD and may identify patients who benefit from AST. Given the genomic heterogeneity of STS, a histology-agnostic approach to ctDNA detection in this population is desirable. Methods: Pts with localized, high risk (size ≥ 5cm, grade ≥ 2) disease were enrolled prior to (neo) adjuvant radiotherapy and surgery. Blood for ctDNA was collected at diagnosis; post-radiotherapy, post-surgery and every 3 months for up to 2 years. Whole exome sequencing (WES) of archival tumor- and matched buffy coat-DNA were carried out to identify somatic variants. Personalized and tumor-informed, multiplex PCR next generation sequencing-based ctDNA assay (Signatera™ assay) was performed on plasma obtained at the serial timepoints. A sample level positive call required ≥ 2 variants above a confidence calling threshold. Absolute ctDNA levels were expressed as mean tumor molecules per milliliter (MTM/ml) of plasma, based on variant allele frequencies and quantity of cell free DNA. Standard radiologic surveillance (every 3 months) was performed following surgery. The primary endpoint was a ctDNA detection rate of 70% at diagnosis. Secondary endpoints included MRD detection and correlation of ctDNA levels with disease relapse. Results: Seventy-six plasma samples from 10 pts [8 males and 2 females; median age 64 years (range 46–84)] were obtained prospectively. STS subtypes were undifferentiated pleomorphic sarcoma (n = 4), myxofibrosarcoma (n = 2), dedifferentiated liposarcoma (n = 2), myxoid liposarcoma (n = 1), and pleomorphic liposarcoma (n = 1). All tumors successfully underwent WES with adequate data quality for Signatera™ assay design. The personalized ctDNA assay was performed on a median of 7 plasma samples per patient (range: 5 – 10). ctDNA was detected in 7 pts (70%) at diagnosis, with median ctDNA level of 1.6 MTM/ml (range: 0.2 – 137.8), achieving the study primary endpoint. Immediate post-surgery samples were negative in all pts. However, ctDNA was detected in 2 out of 2 pts who developed metastatic disease during follow-up. Conclusions: Personalized tumor-informed ctDNA assays in localized high-risk STS at diagnosis are feasible. In this series, all patients had undetectable levels of ctDNA post-surgery and patients who experienced disease relapse demonstrated a detectable rise in ctDNA levels. Further interrogation of this approach for detection of post-treatment MRD as a possible biomarker of benefit from AST is ongoing.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,060
Tête enseignante GPT0,419
Écart entre enseignants0,360 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetSarcoma Diagnosis and Treatment→Travaux en français237 207→