Comment on “Reflex somatic testing for the detection of <i>FGFR</i> alterations in urinary tract carcinomas: a dual-institutional experience”
Notice bibliographique
Résumé
TO THE EDITOR We read with great interest the prospective cohort study by Nguyen et al.,1 which examined the prevalence and clinicopathologic associations of fibroblast growth factor receptor (FGFR) alterations in urinary tract carcinomas through reflex somatic testing across 2 Canadian institutions. The integration of pathologist-driven and oncologist-driven testing within a real-world workflow and the detailed variant-level analysis, including tier stratification per the Association for Molecular Pathology/American Society of Clinical Oncology/College of American Pathologists guidelines, considerably enriches our current understanding of precision oncology implementation in urologic malignancies. A key methodologic consideration arises in the molecular-morphologic mapping of FGFR-altered tumors with histologic variants. Although the study reports FGFR alterations in squamous and micropapillary subtypes, the absence of microdissection to isolate divergent components may obscure whether these alterations are truly subtype specific or merely reflect the dominant urothelial component.2 Clinically, this distinction has implications for the interpretation of test results in mixed tumors, where variant histology may portend different responses to FGFR inhibitors such as erdafitinib. Enhanced spatial resolution via laser capture or digital dissection methods may be warranted in future diagnostic pipelines to ensure histotype-specific variant attribution.
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 | 0,008 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,029 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 ».