Oral cancer detection and progression prediction using noninvasive cytology‐based DNA ploidy approach
Notice bibliographique
Résumé
BACKGROUND: Despite the oral cavity being readily accessible, oral cancer (OC) remains a significant burden. The objective of this study is to develop a DNA ploidy-based cytology test for early detection of high-risk oral lesions. METHODS: This retrospective study was conducted using 569 oral brushing samples collected from 95 normal and 474 clinically abnormal mucosa with biopsy diagnosis of reactive, low-grade or high-grade precancer or cancers. Brushing cells were processed to characterize DNA ploidy. A two-step DNA ploidy-based algorithm, the DNA ploidy oral cytology (DOC) test, was developed using a training set, and verified in test and validation sets to differentiate high-grade lesions (HGLs) from normal. The prognostic value of the test was evaluated by an independent outcome cohort, including progressed and non-progressing normal, reactive and low-grade lesions. Classification performance was assessed by accuracy, sensitivity, and specificity, while the prognostic value was evaluated by using the Cox proportional hazards analysis on 3-year progression-free survival (PFS). RESULTS: The developed DOC test exhibited high accuracy for detecting HGLs in the test and validation sets, with a sensitivity of 0.97 and 0.96, respectively. Its application to the Outcome cohort demonstrated significant prognostic value for 3-year PFS (log rank, p < 0.001). Multivariate analysis showed that high-grade pathology was the only variable explaining positive DOC test, not age, smoking, or lesional site. CONCLUSION: Clinical implementation of the DOC test could provide an effective screening method for detecting HGLs for biopsy and lesions at risk of progression.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».