Bespoke ctDNA for longitudinal detection of molecular residual disease in high-risk melanoma patients
Notice bibliographique
Résumé
BACKGROUND: Locally advanced melanoma has a variable prognosis. Currently, there are no reliable criteria to stratify the risk of disease relapse and identify those patients who will benefit the most from adjuvant therapies. Circulating tumor DNA (ctDNA) is an emerging biomarker measuring the presence of tumor-derived DNA in blood. PATIENTS AND METHODS: We used a bespoke, tumor-informed assay (RaDaR®, NeoGenomics, Inc.) to detect ctDNA in 276 prospectively collected plasma samples from 66 melanoma patients receiving definitive treatment. Collection time points included landmark (after completion of local treatment) and every 3-6 months for up to 2 years. RESULTS: ctDNA was detected in at least one plasma sample in 19 patients (29%), including 6/65 (9%) at landmark (post-surgical sample). Positive ctDNA at landmark was associated with shorter overall survival (OS; median OS 22.7 months versus not reached, log-rank P value = 0.01) and a trend towards a shorter relapse-free survival (RFS; median RFS 15.7 months versus not reached, log-rank P value = 0.07). In 10 patients, ctDNA detection preceded disease relapse by a median of 128 days (range 8-406 days). CONCLUSIONS: Our data indicate that ctDNA detection after surgery can identify patients with worse prognosis, and serial ctDNA measurements may enable earlier identification of disease recurrence.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».