MétaCan
Menu
Retour à la cohorte
Enregistrement W4286298705 · doi:10.1200/jco.2022.40.16_suppl.2023

Dynamic monitoring of cerebrospinal fluid circulating tumor DNA to identify unique genetic profiles of brain metastatic tumors and to better predict intracranial tumor response in patients with non–small cell lung cancer with brain metastases: A prospective cohort study.

2022· article· en· W4286298705 sur OpenAlexaff
Meichen Li, Xue Hou, Jing Chen, Baishen Zhang, Juan Yu, Na Wang, Delan Li, Yang Shao, Dongqin Zhu, Chuqiao Liang, Qiuxiang Ou, Yutong Ma, Likun Chen

Notice bibliographique

RevueJournal of Clinical Oncology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineLiquid biopsyCerebrospinal fluidConcordanceLung cancerInternal medicineCirculating tumor cellBrain tumorCell-free fetal DNAOncologyCancerPrimary tumorCirculating tumor DNAPathologyMetastasisBiology

Résumé

récupéré en direct d'OpenAlex

2023 Background: Cerebrospinal fluid (CSF) can be used as a type of liquid biopsy to detect brain tumors. We aimed to explore the genetic profiles of CSF-derived circulating tumor DNA (ctDNA) to predict intracranial tumor response and monitor mutational evolution during systemic treatment in non-small cell lung cancer (NSCLC) patients with brain metastases. Methods: We conducted aprospective study of 92 newly diagnosed NSCLC patients with brain metastases. Paired CSF and plasma samples were collected at baseline, 8 weeks after treatment initiation, and at disease progression. Primary extracranial tumor samples were available for 58 patients and all samples underwent targeted next generation sequencing of 425 cancer-related genes. Results: At baseline, the positive detection rates of ctDNA in CSF, plasma, and extracranial tumors were 63.7% (58/91), 91.1% (82/90), and 100% (58/58), respectively. A high level of heterogeneity was observed between paired CSF and plasma samples, while concordance in driver mutations was also observed. A higher number of unique copy number variations (CNVs) were detected in CSF ctDNA than in plasma. CtDNA-positivity in baseline CSF samples was associated with poor outcomes (HR = 2.565, P = 0.003). Moreover, patients with increased concentrations of ctDNA in CSF after 8 weeks of treatment had significantly shorter intracranial progression-free survivals (PFS) than patients with decreased concentrations of CSF ctDNA (6.13 months vs 13.27 months, HR = 3.92, P = 0.007). Increased concentrations of plasma ctDNA were associated with shorter extracranial PFS (6.13 months vs 11.57 months, HR = 2.626, P = 0.032). From clonal evolution analyses, the accumulation of subclonal mutations in CSF ctDNA was observed after 8 weeks of systemic treatment. The clonal mutations remained more than 80% in CSF after 8-weeks of treatment also predicted a shorter intracranial PFS (HR = 3.785, P = 0.039). Conclusions: CSF ctDNA revealed unique genetic profiles of brain metastases, and dynamic changes in CSF ctDNA could better predict intracranial tumor response and track clonal evolution during treatment in NSCLC patients with brain metastases.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,347
Écart entre enseignants0,335 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetCancer Genomics and DiagnosticsTravaux en français237 207