Preoperative Molecular Markers in Thyroid Nodules.
Preoperative Molecular Markers in Thyroid Nodules.
复制标题
DOI：
10.3389/fendo.2018.00179
复制
发表时间：
2018
影响因子：
5.2
通讯作者：
Zeiger MA
中科院分区：
文献类型：
--
作者：
Sahli ZT;Smith PW;Umbricht CB;Zeiger MA
区分良性和恶性甲状腺结节的需要导致了对区分分子标记的追求。在临床应用中最常见的分子检测是Afirma®基因表达分类器（GEC）和Thyroseq®V2。尽管分子标记领域发展迅速，但也存在一些局限性。这些挑战包括最近引入的组织病理学诊断“具有乳头状样核特征的非侵袭性滤泡性甲状腺肿瘤”，良性和恶性病理诊断中基因突变的相关性，缺乏对分子标记阴性结节的随访，以及分子标记的成本效益。在这篇文章中，我们回顾了目前发表的关于Afirma®GEC和Thyroseq®V2诊断价值的文献。在Afirma®GEC研究中，敏感性（Se）、特异性（Sp）、阳性预测值（PPV）和阴性预测值（NPV）分别为75% ~ 100%、5% ~ 53%、13% ~ 100%和20% ~ 100%。在Thyroseq®V2研究中，Se、Sp、PPV和NPV分别为40 ~ 100%、56 ~ 93%、13 ~ 90%和48 ~ 97%。我们还讨论了Afirma®GEC和Thyroseq®V2实用性和临床应用的当前挑战，并展望了这些快速发展的技术的未来方向。
The need for distinguishing benign from malignant thyroid nodules has led to the pursuit of differentiating molecular markers. The most common molecular tests in clinical use are Afirma® Gene Expression Classifier (GEC) and Thyroseq® V2. Despite the rapidly developing field of molecular markers, several limitations exist. These challenges include the recent introduction of the histopathological diagnosis “Non-Invasive Follicular Thyroid neoplasm with Papillary-like nuclear features”, the correlation of genetic mutations within both benign and malignant pathologic diagnoses, the lack of follow-up of molecular marker negative nodules, and the cost-effectiveness of molecular markers. In this manuscript, we review the current published literature surrounding the diagnostic value of Afirma® GEC and Thyroseq® V2. Among Afirma® GEC studies, sensitivity (Se), specificity (Sp), positive predictive value (PPV), and negative predictive value (NPV) ranged from 75 to 100%, 5 to 53%, 13 to 100%, and 20 to 100%, respectively. Among Thyroseq® V2 studies, Se, Sp, PPV, and NPV ranged from 40 to 100%, 56 to 93%, 13 to 90%, and 48 to 97%, respectively. We also discuss current challenges to Afirma® GEC and Thyroseq® V2 utility and clinical application, and preview the future directions of these rapidly developing technologies.
登录
查看更多内容
影响因子：
64.5
作者：
Cancer Genome Atlas Research Network
通讯作者：
Cancer Genome Atlas Research Network
影响因子：
168.9
作者：
Brose, Marcia S.;Nutting, Christopher M.;Jarzab, Barbara;Elisei, Rossella;Siena, Salvatore;Bastholt, Lars;de la Fouchardiere, Christelle;Pacini, Furio;Paschke, Ralf;Shong, Young Kee;Sherman, Steven I.;Smit, Johannes W. A.;Chung, John;Kappeler, Christian;Pena, Carol;Molnar, Istvan;Schlumberger, Martin J.
通讯作者：
Schlumberger, Martin J.
影响因子：
3.5
作者：
Cibas, Edmund S.;Ali, Syed Z.
通讯作者：
Ali, Syed Z.
DOI：
10.1093/jnci/95.8.625
发表时间：
2003-04-16
期刊：
JOURNAL OF THE NATIONAL CANCER INSTITUTE
影响因子：
--
作者：
Cohen, J;Xing, MZ;Sidransky, D
通讯作者：
Sidransky, D
影响因子：
39.2
作者：
Alexander, EK;Hurwitz, S;Marqusee, E
通讯作者：
Marqusee, E