Improving Specificity for Ovarian Cancer Screening Using a Novel Extracellular Vesicle–Based Blood Test
Notice bibliographique
Résumé
The low incidence of ovarian cancer (OC) dictates that any screening strategy needs to be both highly sensitive and highly specific. This study explored the utility of detecting multiple colocalized proteins or glycosylation epitopes on single tumor-associated extracellular vesicles from blood. The novel Mercy Halo Ovarian Cancer Test (OC Test) uses immunoaffinity capture of tumor-associated extracellular vesicles, followed by proximity-ligation real-time quantitative PCR to detect combinations of up to three biomarkers to maximize specificity, and measures multiple combinations to maximize sensitivity. A high-grade serous carcinoma (HGSC) case-control training set of EDTA plasma samples from 397 women was used to lock down the test design, the data interpretation algorithm, and the cutoff between cancer and noncancer. Performance was verified and compared with cancer antigen 125 in an independent blinded case-control set of serum samples from 390 women (132 controls, 66 HGSC, 83 non-HGSC OC, and 109 benign). In the verification study, the OC Test showed a specificity of 97.0% (128/132; 95% CI, 92.4%-99.6%), a HGSC sensitivity of 97.0% (64/66; 95% CI, 87.8%-99.2%), and an area under the curve of 0.97 (95% CI, 0.93-0.99) and detected 73.5% (61/83; 95% CI, 62.7%-82.6%) of the non-HGSC OC cases. This test exhibited fewer false positives in subjects with benign ovarian tumors, nonovarian cancers, and inflammatory conditions when compared with cancer antigen 125. The combined sensitivity and specificity of this new test suggests that it may have potential in OC screening.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».