Cancer Screening Companies Are Rapidly Proliferating: Are They Ready for Business?
Notice bibliographique
Résumé
Cancer screening has been a major research front for decades. The classical circulating biomarkers for cancer (such as PSA, CEA, CA125, AFP, etc.) are neither sensitive nor specific and are not recommended for population screening. Recently, circulating tumor DNA (ctDNA) emerged as a new pan-cancer tumor marker, with much promise for clinical applicability. ctDNA released by tumor cells can be used as a proxy of the tumor burden and molecular composition. It has been hypothesized that if ctDNA is extracted from plasma and analyzed for genetic changes, it may form the basis for a non-invasive cancer detection test. Lately, there has been a proliferation of "for-profit" companies that will soon offer cancer screening services. Here, we comment on Grail, Thrive, Guardant, Delfi, and Freenome. Previously, we identified some fundamental difficulties associated with this new technology. In addition, clinical trials are exclusively case-control studies. The sensitivities/specificities/predictive values of the new screening tests have not been well-defined or, the literature-reported values are rather poor. Despite these deficiencies some of the aforementioned companies are already testing patients. We predict that the premature use of ctDNA as a cancer screening tool may add another disappointment in the long history of this field.
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 | 0,015 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,017 | 0,033 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,018 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,014 |
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 ».