Design and optimization of a liquid biopsy collector for ovarian and endometrial cancer screening
Bibliographic record
Abstract
Les cancers de l'ovaire et de l'endomètre sont parmi les principales causes de décès des femmes de plus de 45 ans dans les pays développés et les plus meurtriers des cancers gynécologiques avec un taux de survie global de 46,5%. Chaque année, 15 000 femmes meurent aux États-Unis et au Canada de cette maladie.Actuellement, aucun programme de dépistage n'est en place et les outils de diagnostic disponibles ne sont ni spécifiques ni suffisamment sensibles pour une détection précoce. Les soins standards permettent d’évaluer et d’établir le stade d’un cancer précédemment diagnostiqué, mais n'a pas été prouvé efficace pour la détection précoce.Le groupe de recherche du Dr Gilbert du Centre Universitaire de Santé McGill (CUSM) a mis au point un test de détection précoce de ces cancers, basé sur l'identification de marqueurs tumoraux génétiques à partir d'échantillons intra-utérins. Cependant, les outils dont il disposa pour se procurer ces échantillons n'étaient pas idéaux, nous avons donc décidé de concevoir un échantillonneur pour biopsies liquides de la cavité utérine.Des méthodologies de conception pour la fabricabilité ont été utilisées pour obtenir la première génération de l'échantillonneur de biopsie liquide intra-utérine. Des tests de vérification et de validation in vitro ont été effectués tout au long du processus pour la stabilité structurelle, les performances de collecte volumétrique et la facilité d'utilisation.Les nouveaux concepts ont montré une augmentation du volume de collecte de 1,3 fois par rapport au contrôle et ont transféré 1,4 échantillons de plus dans le flacon de conservation. Les appareils sont structurellement solides et sûrs à utiliser dans des conditions normales
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
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".