Genomic Landscape of ctDNA and Real-World Outcomes in Advanced Endometrial Cancer
Notice bibliographique
Résumé
PURPOSE: ctDNA is a novel technique extensively studied in solid tumors, although not currently well defined in endometrial cancer. EXPERIMENTAL DESIGN: A de-identified retrospective analysis of 1,988 patients with advanced/recurrent endometrial cancer was performed. In addition, an analysis of a real-world evidence cohort was completed (n = 1,266). Patients underwent ctDNA testing using Guardant360 during routine clinical care. The objective was to describe and assess molecular landscape using ctDNA. RESULTS: Among 1,988 ctDNA samples, at least one somatic alteration was detected in 91.6% (n = 1,821). Most frequently altered genes were TP53 (64%), PIK3CA (29%), PTEN (25%), ARID1A (20%), and KRAS (14%). Overall, 18.5% had amplifications, with the majority identified in CCNE1 (40.9%), PIK3CA (22%), and EGFR (19.3%). From the real-world evidence cohort, those with TP53 mutations had a worse overall survival (OS) versus those without TP53 mutations (P = 0.02) and those with TP53 comutations had an inferior OS in comparison with TP53-mutated only (P = 0.016). Amongst these, patients with a PIK3CA comutation (P = 0.012) and CCNE1 amplification (P = 0.01) had an inferior OS compared with those with only TP53 mutations. Fifty-seven patients with newly diagnosed endometrial cancer had at least two serial ctDNA samples showing evolution in detected variants compared with baseline samples, with TP53 being the most frequent change. CONCLUSIONS: This study is one of the largest cohorts of ctDNA currently reported in endometrial cancer. The presence of TP53 mutation and other comutations detected by ctDNA have a negative effect on outcomes. This report suggests that ctDNA analysis is feasible and could become a useful biomarker for endometrial cancer.
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 | 0,001 |
| 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 ».