Can Molecular Biomarkers Help Reduce the Overtreatment of DCIS?
Notice bibliographique
Résumé
Ductal carcinoma in situ (DCIS), especially in the era of mammographic screening, is a commonly diagnosed breast tumor. Despite the low breast cancer mortality risk, management with breast conserving surgery (BCS) and radiotherapy (RT) is the prevailing treatment approach in order to reduce the risk of local recurrence (LR), including invasive LR, which carries a subsequent risk of breast cancer mortality. However, reliable and accurate individual risk prediction remains elusive and RT continues to be standardly recommended for most women with DCIS. Three molecular biomarkers have been studied to better estimate LR risk after BCS-Oncotype DX DCIS score, DCISionRT Decision Score and its associated Residual Risk subtypes, and Oncotype 21-gene Recurrence Score. All these molecular biomarkers represent important efforts towards improving predicted risk of LR after BCS. To prove clinical utility, these biomarkers require careful predictive modeling with calibration and external validation, and evidence of benefit to patients; on this front, further research is needed. Most trials do not incorporate molecular biomarkers in evaluating de-escalation of therapy for DCIS; however, one-the Prospective Evaluation of Breast-Conserving Surgery Alone in Low-Risk DCIS (ELISA) trial-incorporates the Oncotype DX DCIS score in defining a low-risk population and is an important next step in this line of research.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».