Point of Care Liquid Biopsy for Cancer Treatment—Early Experience from a Community Center
Notice bibliographique
Résumé
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 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 | 0,000 | 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 | 0,000 |
| 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 ».