MétaCan
Menu
Retour à la cohorte
Enregistrement W4416866070 · doi:10.1158/1078-0432.ccr-25-3327

A Computational Pathology Model to Predict Docetaxel Benefit in Localized High-Risk and Metastatic Prostate Cancer

2025· article· en· W4416866070 sur OpenAlexaff
Sebastian Medina, Naoto Tokuyama, Kamal Hammouda, Tilak Pathak, Tuomas Mirtti, Pingfu Fu, Shilpa Gupta, Priti Lal, Howard M. Sandler, Rohann Correa, Susan Chafe, Amit Shah, Jason A. Efstathiou, Karen E. Hoffman, Michael Straza, M.A. Hallman, Richard C. Jordan, Stephanie L. Pugh, Christopher J. Sweeney, Anant Madabhushi

Notice bibliographique

RevueClinical Cancer Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensLondon Health Sciences Centre
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institutes of HealthNational Cancer InstituteU.S. Department of DefenseNational Heart, Lung, and Blood InstituteU.S. Department of Veterans Affairs
Mots-clésDocetaxelProstate cancerAndrogen receptorProstateClinical trialCancerAndrogen

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Docetaxel improves survival in metastatic hormone-sensitive prostate cancer (mHSPC) and high-risk localized disease, but benefits vary substantially among patients. Without predictive biomarkers, clinicians cannot identify patients who will benefit, exposing many to unnecessary toxicity. We developed and validated an artificial intelligence-based pathology image classifier (APIC) to predict docetaxel benefit. EXPERIMENTAL DESIGN: We analyzed digitized hematoxylin and eosin-stained biopsy specimens from two phase 3 trials: CHAARTED (286/790 patients with mHSPC) and NRG/RTOG 0521 (350/563 patients with high-risk localized disease). APIC used features capturing tumor-immune spatial interactions and nuclear heterogeneity. We evaluated the predictive value of APIC for docetaxel benefit on overall survival (OS) and castration resistance using Cox proportional hazards with interaction terms. RESULTS: In CHAARTED, APIC-positive patients (56.7%) showed significant OS improvement with docetaxel [HR, 0.52; 95% confidence interval (CI), 0.31-0.85; P = 0.008] and delayed castration resistance (HR, 0.48; 95% CI, 0.33-0.71; P < 0.001), whereas APIC-negative patients (43.3%) showed no benefit (HR, 1.31; 95% CI, 0.71-2.44; P = 0.39). Treatment-APIC interactions were significant (P = 0.022 and P = 0.031). In NRG/RTOG 0521, APIC-positive patients (44.7%) demonstrated survival benefit (HR, 0.49; 95% CI, 0.26-0.92; P = 0.023), whereas APIC-negative patients (55.3%) showed no benefit. Treatment-APIC interaction was significant (P = 0.024). Predictive value remained significant after adjusting for clinical variables. Limitations include retrospective analysis and need for prospective validation. CONCLUSIONS: APIC predicts docetaxel benefit in both metastatic and localized prostate cancers, independent of clinical factors. Validation in triplet therapy with androgen receptor pathway inhibitors is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,151
Tête enseignante GPT0,523
Écart entre enseignants0,372 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetProstate Cancer Treatment and ResearchTravaux en français237 207