Number/quality of endoscopic biopsy samples in gastrointestinal cancers for biomarker testing: All that glitters is not gold
Notice bibliographique
Résumé
BACKGROUND: Management of gastrointestinal (GI) cancers has shifted from conventional chemotherapy to biomarker-based precision oncology. Biomarker assessment requires adequate endoscopic biopsy tissue both in gastro-esophageal/gastric and colorectal carcinomas. AIMS: This study evaluated real-world endoscopic biopsy adequacy, focusing on tissue quality and suitability for biomarker analysis. METHODS: We retrospectively reviewed 819 endoscopic procedures (274 upper-GI and 545 lower-GI; time-window: January 2021-2024). Gastrointestinal pathologists reviewed 4,908 biopsies to assess diagnostic yield, number of invasive carcinoma-containing biopsies, and tumor cellularity. Biopsy adequacy was evaluated against European Society of Gastrointestinal Endoscopy (ESGE) recommendations and biomarker-specific cellularity thresholds. RESULTS: A histologic diagnosis of invasive carcinoma was established in 96 % of upper-GI and 84 % of lower-GI procedures (p<0.001). However, 41-43 % of procedures yielded fewer than six biopsies, which is below ESGE guidance. Importantly, only 66.7 % of upper-GI and 49.7 % of lower-GI biopsies contained invasive carcinoma, while the rest were composed of samples inadequate for biomarker testing (such as non-invasive lesions, mucin, necrosis, granulation tissue, and normal mucosa). Low neoplastic cellularity (<1000 tumor cells) was observed in 27 % of upper-GI and 5 % of lower-GI cases, while <20 % tumor cellularity was present in 41.7 % of colorectal biopsies. CONCLUSION: Optimizing sampling strategies and ensuring representative, high-cellularity specimens are essential to support precision oncology in GI cancers.
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 | 0,000 | 0,000 |
| 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 ».