在追溯序列上应用新的算法,以实现子宫内膜癌分子分类
Martina Arcieri1, Giuseppe Vizzielli2, Tommaso Occhiali3
1Clinic of Obstetrics and Gynecology, "Santa Maria della Misericordia" University Hospital, Azienda Sanitaria Universitaria Friuli Centrale, Udine, Italy.
概括
贝特拉算法使用分子分析准确地分类子宫内膜癌风险. 这项验证表明,它可以优化分子测试,节省资源并有效指导治疗决策.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 临床病理学 临床病理学
背景情况:
- 子宫内膜癌风险分层依赖于根据2020年指南的分子分类.
- 准确的分子分析对于确定适当的辅助治疗至关重要.
研究的目的:
- 为外部验证贝泰拉算法用于子宫内膜癌分子分类.
- 评估算法对风险分层和资源利用的影响.
主要方法:
- 对102名子宫内膜癌患者进行了综合分子检测 (p53 IHC,MMR蛋白 IHC,POLE测序) 的回顾性分析.
- 在患者队列中应用贝特拉算法.
- 评估风险类别的变化和潜在的特殊分子测试的节省.
主要成果:
- 贝特拉算法应用于97%的队列,揭示了不同的分子亚型.
- 由于POLE或p53的变化,11.1%的患者发生了风险组迁移.
- 该算法在65.7%的病例和17.2%的p53 IHC病例中显示出可以节省POLE测序的潜力.
结论:
- 在子宫内膜癌队列中对贝泰拉算法的外部验证是成功的.
- 该算法促进了准确的风险类别分配,并优化了辅助治疗指示.
- 分子测试中的资源合理化是可以实现的,有利于所有医疗保健机构.
