Dynamic Monitoring of Recurrent Ovarian Cancer Using Serial ctDNA: A Real-World Case Series
Notice bibliographique
Résumé
Recurrent ovarian cancer (OC) is challenging to detect early using current methods like CA-125 and imaging. Circulating tumor DNA (ctDNA) may improve disease monitoring. Here, we assess the real-world clinical utility of serial ctDNA analyses in patients with recurrent OC. We analyzed serial plasma samples (N = 23) from six patients with recurrent OC using a tumor-informed next-generation sequencing assay targeting 68 cancer-related genes developed at the University of Washington. ctDNA variant allele frequencies (VAFs) were correlated with CA-125 levels, radiographic findings, and clinical outcomes. ctDNA levels generally reflected clinical status, accurately mirroring disease progression and therapeutic response. In one patient, rising ctDNA preceded clinical recurrence by four months, despite normal CA-125 and imaging, highlighting its potential advantage. Conversely, some patients exhibited clinical progression with undetectable ctDNA, indicating limitations in assay sensitivity, biological factors, or metastatic sites (e.g., brain metastases). ctDNA and CA-125 showed complementary value in most cases, suggesting potential combined use in clinical monitoring. Our findings demonstrate that ctDNA is a promising biomarker to complement existing monitoring approaches for recurrent OC. In some cases, capable of predicting relapse and treatment response ahead of current clinical indicators. However, identified discordances underscore technical and biological challenges that warrant further investigation. Larger prospective studies are necessary to refine ctDNA’s clinical utility and integration into personalized OC 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 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».