MétaCan
Menu
Retour à la cohorte
Enregistrement W4281711757 · doi:10.1093/neuonc/noac079.587

PATH-03. Clinically Tractable Outcome Prediction of Group 3/4 Medulloblastoma Based on TPD52 Immunohistochemistry: a Multicohort Study

2022· article· en· W4281711757 sur OpenAlexaff
Alberto Delaidelli, Christopher Dunham, Mariarita Santi, Gian Luca Negri, Joanna Triscott, Olga Zheludkova, Andrey Golanov, Marina Ryzhova, Konstantin Okonechnikov, Daniel Schrimpf, Damian Stichel, David H. Ellison, Andreas von Deimling, Marcel Kool, Stefan M. Pfister, Vijay Ramaswamy, Michael D. Taylor, Andrey Korshunov, Poul Sorensen

Notice bibliographique

RevueNeuro-Oncology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensSickKids FoundationHospital for Sick ChildrenCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedulloblastomaOncologyInternal medicineImmunohistochemistryBiomarkerMultivariate analysisReceiver operating characteristicBiologyMedicineBioinformaticsPathologyGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND: International consensus and the 2021 WHO classification recognize eight molecular subgroups among Group 3/4 medulloblastoma (representing ~60% of medulloblastoma). However, very few clinical centers worldwide possess the technical capabilities to determine DNA-methylation patterns or other molecular parameters of high-risk for Group 3/4 tumors. As a result, biomarker-driven risk stratification and therapy assignment constitutes a major challenge in medulloblastoma research. Here, we identify an immunohistochemistry (IHC) marker as a clinically tractable method for improved medulloblastoma risk-stratification. PATIENTS and METHODS: We bioinformatically analyzed published medulloblastoma transcriptomes and proteomes identifying as a potential biomarker TPD52, whose IHC prognostic value was validated across three Group 3/4 medulloblastoma clinical cohorts (n = 387) treated with conventional therapies. Risk stratification and prediction capability were computed utilizing uni- and multivariate survival analysis. Newly developed risk classifiers including TPD52 IHC were compared to state-of-the-art risk stratification schemes in terms of prediction error, area under the time-dependent receiver operating characteristic (ROC) curves and C-statistic. RESULTS: TPD52 IHC percentage positivity represents a significant independent predictor of early relapse and death for Group 3/4 medulloblastoma (HRs between 3.67-26.7 [95% CIs between 1.00-706.23], p = 0.05, 0.017 and 0.0058). Cross-validated survival models incorporating TPD52 IHC with clinical and molecular features (subgroup affiliation, MYC status) outperformed existing disease risk-stratification schemes, and reclassified ~50% of patients into more appropriate risk categories. Finally, interaction effect in multivariate analyses revealed that TPD52 immunopositivity could be a predictive indicator of poor response to chemotherapy (HR 12.66 [95% CI 3.53-45.40], p < 0.0001), suggesting important implication for therapeutic choices. CONCLUSION: The current study adds an important asset to improve risk-stratification for Group 3/4 medulloblastoma. Integration of TPD52 IHC in classification algorithms significantly improves outcome prediction and can be rapidly adopted for risk stratification on a global scale, independently of advanced but technically challenging molecular profiling techniques.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,020
Tête enseignante GPT0,342
Écart entre enseignants0,321 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207