Tumor-infiltrating lymphocytes may predict prognosis in breast cancer patients receiving neoadjuvant chemotherapy
Bibliographic record
Abstract
Giriş: Meme karsinomlarında tedavi öncesi alınan iğne biyopsi örneklerindeki histopatolojik özellikler hastaların kemoterapi yanıtlarını öngörebilir ve böylece meme kanseri hastalarının prognozu hakkında bilgi sağlayabilir.Tümör infiltre eden lenfositler (TIL), birçok tümörde prognostik bir faktör olarak rapor edilmiştir.Bu çalışmada neoadjuvan tedavi alan hastalara ait tedavi öncesi iğne biyopsi örneklerindeki TIL ile klinikopatolojik parametreler ve hastaların sağkalım durumu arasındaki ilişkiyi araştırdık.Yöntem: 2010-2021 yılları arasında kor biyopsi yapılan ve neoadjuvan kemoterapi sonrası opere edilen 74 meme karsinomlu hasta çalışmamıza dahil edildi.Olguların kor biyopsi materyallerinde TIL ile rezeksiyon materyallerinde tedaviye patolojik yanıt ve olguların klinikopatolojik özellikleri arasındaki ilişki değerlendirildi.Bulgular: TIL ile tedavi yanıtı arasında anlamlı bir ilişki bulunamadı.ER ekspresyonunun yüksek olduğu durumlarda TIL düşüktü (p:0.012).Düşük TIL'li olguların çoğu Luminal A+B gruplarındaydı (p:0.013).Düşük TIL, kısa hastalıksız sağkalım (DFS) ile ilişkilendirildi ve TIL, çok değişkenli analizde DFS için prognostik bir faktördü.Sonuç: Meme kanseri immünojenik bir tümördür ve neoadjuvan kemoterapi öncesi iğne biyopsi örneklerindeki TIL miktarı hastalığın prognozu üzerinde prediktif değere sahiptir.Anahtar Kelimeler: meme neoplazileri,
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".