MétaCan
Menu
Retour à la cohorte
Enregistrement W4400486413 · doi:10.3390/cancers16142505

Point of Care Liquid Biopsy for Cancer Treatment—Early Experience from a Community Center

2024· article· en· W4400486413 sur OpenAlexafffundabout
C. J. Nicholas, Andrea Beharry, Anna Bendzsak, Kassandra R. Bisson, Keith Dadson, Shaan Dudani, Marco Iafolla, Kashif Irshad, Kirstin Perdrizet, William Raskin, Raviya Singh, David Chun Cheong Tsui, Xin Wang, Ching Yeung, Parneet Cheema, Brandon S. Sheffield

Notice bibliographique

RevueCancers · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensPrincess Margaret Cancer CentreThe Scarborough HospitalUniversity of TorontoThermo Fisher Scientific (Canada)William Osler Health System
Organismes subventionnairesPfizer CanadaThermo ScientificPfizer
Mots-clésLiquid biopsyMedicineBiopsyTurnaround timePoint of careGeneral surgeryCancerMedical physicsRadiologyInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Liquid biopsy is rapidly becoming an indispensable tool in the oncologist’s arsenal; however, this technique remains elusive in a publicly funded healthcare system, and real-world evidence is needed to demonstrate utility and feasibility. Here, we describe the first experience of an in-house point of care liquid biopsy program at a Canadian community hospital. A retrospective review of consecutive cases that underwent plasma-based next-generation sequencing (NGS) was conducted. Liquid biopsy was initiated at the discretion of clinicians. Sequencing followed a point of care workflow using the Genexus™ integrated sequencer and the Oncomine precision assay, performed by histotechnologists. Results were reported by the attending pathologist. Eligible charts were reviewed for outcomes of interest, including the intent of the liquid biopsy, results of the liquid biopsy, and turnaround time from blood draw to results available. A total of 124 cases, with confirmed or suspected cancer, underwent liquid biopsy between January 2021 and November 2023. The median turnaround time for liquid biopsy results was 3 business days (range 1–12 days). The sensitivity of liquid biopsies was 71%, compared to tissue testing in cases with matched tissue results available for comparison. Common mutations included EGFR (29%), in 86 lung cancer patients, and PIK3CA (22%), identified in 13 breast cancer patients. Healthcare providers ordered liquid biopsies to inform diagnostic investigations and treatment decisions, and to determine progression or resistance mechanisms, as these reasons often overlapped. This study demonstrates that rapid in-house liquid biopsy using point of care methodology is feasible. The technique facilitates precision treatment and offers many additional advantages for cancer care.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,104
Score d'incertitude au seuil0,206

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,296
Écart entre enseignants0,279 · 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

Citations14
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetCancer Genomics and DiagnosticsTravaux en français237 207