Prostate cancer liver metastases: Genomic profiling and clinical outcomes.
Notice bibliographique
Résumé
189 Background: Patients (pts) with metastatic prostate cancer and liver metastases have poor prognosis, but clinicogenomic analyses are limited. We examined the clinical and genomic features of a cohort with prostate cancer liver metastases (PCLM). Methods: Pts were identified from a prospective population-based biobank in British Columbia, Canada. Eligible pts had PCLM identified on imaging prior to any line of treatment. We collated clinical outcomes with cell-free DNA (cfDNA) sequencing results including circulating tumor DNA fraction (ctDNA%) and genomic alterations. Results: 2048 metastatic prostate cancer pts were enrolled from October 2016 to July 2024, of whom 1258 had sufficient clinical annotation to evaluate PCLM status. Of these, 167 (13%) were diagnosed with PCLM: 36 (22%) with castration-sensitive prostate cancer (mCSPC), 48 (29%) prior to first-line castration-resistant prostate cancer treatment (1L mCRPC), 30 (18%) prior to 2L mCRPC, and 53 (32%) prior to ≥3L mCRPC. Median follow-up was 60.3 months. Median age at metastatic diagnosis was 68.7 (IQR 61.8-74.7) years, 93 (56%) had de novo metastatic disease, 20 (12%) had histologically proven small cell carcinoma, 27 (16%) had low PSA (<5ng/mL) at baseline, and 111 (66%) had ≥3 liver metastases. For mCSPC pts, 27 (75%) received treatment intensification beyond ADT alone, including 5 (14%) with platinum chemotherapy. Median overall survival (mOS) for mCSPC pts was 15.5 months (95% CI 11.7-28.1), and median time to castration resistance was 8.1 months (95% CI 5.7-10.7). For mCRPC pts, 94 (72%) had prior exposure to ARPI, 56 (43%) to taxane, and 8 (6%) to platinum. mOS for 1L mCRPC pts was 9.4 months (95% CI 6.7-12.6), for 2L mCRPC 4.9 months (95% CI 3.5-9.7) and for ≥3L mCRPC 5.6 months (95% CI 4.1-8.4). For 134 pts with cfDNA results the median ctDNA% was 24.7 (IQR 4.6-53.9). Alterations were found in TP53 (47%), PTEN (26%), RB1 (19%), with 82 pts (61%) having alterations in at least one tumor suppressor gene (TSG) and 34 (25%) in more than one TSG. 14 pts (10%) had a BRCA2 alteration. ctDNA% and detectable TSG alterations were associated with survival of pts with PCLM (Table). Of 17 long survivors (pts who lived >24 months from start of next line treatment), 12 had cfDNA results available, median ctDNA% was 13.6%, and only 1 had TSG loss detected ( PTEN ). Conclusions: Pts with PCLM exhibit poor clinical outcomes; both elevated ctDNA% and TSG loss correlate with reduced overall survival. mCSPCmOS (months)N = 24 pts with cfDNA 1L mCRPCmOS (months) N = 35 pts with cfDNA 2L mCRPCmOS (months)N = 25 pts with cfDNA TSG status No alteration detected 57 23.6 8 Alteration detected 11.7 6.8 4.3 Univariable HR (95% CI) 9.3 (2.0-42.7)p<0.01 5.6 (2.1-15.5)p<0.01 1.4 (0.6-3.2)p=0.4 ctDNA% ≤ median ctDNA% (24.7%) 57 18.1 9 > median ctDNA% (24.7%) 14.7 5.8 12 Univariable HR (95% CI) 2.4 (1.0-5.4)p<0.05 2.7 (1.5-5.0)p<0.01 1.1 (0.6-2.0)p=0.8
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».