Abstract 3387: ctDNA dynamics in early stage node negative lung cancers
Notice bibliographique
Résumé
Abstract Introduction: Patients with early-stage lung cancers have a high risk of relapse and death even after curative surgery. Detection of circulating tumour DNA (ctDNA) in plasma perioperatively is associated with shorter recurrence free survival (RFS). ctDNA-Lung-Detect is an investigator-initiated prospective study of ctDNA detection and association with RFS in patients with early stage non-small cell lung cancer (NSCLC). Methods: Patients with clinically staged T<4cm N0 NSCLC planned for surgical resection at the Princess Margaret/University Health Network underwent ctDNA assessment before and after surgery (~1 month and 1 year). ctDNA minimal residual disease (MRD) was detected using the highly sensitive and specific tumor-informed Residual Disease and Recurrence (RaDaR®, Inivata, Cambridge, UK) assay, which can track up to 48 tumor-specific variants in plasma. Results: Since August 2021, 64 eligible patients were enrolled (Table 1). One had isolated metastasis from a remote non-lung primary and subsequently excluded; another had their preoperative sample missed but was included. Preoperative ctDNA was detected in 15/62 (23.8%) patients and 1/63 (1.6%) post-operatively at the 1-month landmark timepoint (occult N2 disease found at surgery). All but one (93.3%) had ctDNA clearance with surgical resection. Two patients have recurred radiographically and in plasma at 1 year post-operatively, 1/15 with preoperative ctDNA detected (6.7%) and 1/47 without preoperative ctDNA detected (2.1%). Patients with higher T stage, tumor size, squamous histology, and without actionable driver alterations were more likely to have ctDNA detected at any timepoint. Conclusions: In patients with early stage NSCLC (small node negative tumors), 24% have detectable ctDNA pre-operatively. Surgical resection led to ctDNA clearance in 93% of cases. Our results support ongoing testing beyond the initial MRD landmark. Assessment of the impact on RFS post resection is ongoing. Citation Format: Jamie Feng, Tom Waddell, Kazuhiro Yasufuku, Andrew Pierre, Shaf Keshavjee, Jonathan Yeung, Marcelo Cypel, Laura Donahoe, Elliot Wakeam, Marc de Perrot, Jennifer Law, Alexandra Salvarrey, Lisa W. Le, Jennifer Lister, Michael Cabanero, Ming Tsao, Christodoulos Pipinikas, Karen Howarth, Natasha Leighl. ctDNA dynamics in early stage node negative lung cancers [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2023; Part 1 (Regular and Invited Abstracts); 2023 Apr 14-19; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2023;83(7_Suppl):Abstract nr 3387.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».