3. Index
Basic concepts
• Gen and mutations
01
Precision
oncology
02
NGS and cancer
03
Variant
classification
• Somatic
• Germline
04
INC Workflow
05
Conclusions
06
4. 01 Basic concepts - Gen
Walker, L. C., et al. (2023). Using the ACMG/AMP framework to capture evidence related to predicted and observed impact on
splicing: Recommendations from the ClinGen SVI Splicing Subgroup. American Journal Of Human Genetics, 110(7), 1046-1067
5. 01 Basic concepts -
Types of mutations
Mendelics, E. (2022, 3 junio). ¿Cómo funciona la clasificación de las variantes genéticas? Blog Mendelics. https://blog.mendelics.com.br/es/variante-genetica-benigna-
patogenica-acmg/
6. Rulten, S. L., Grose, R. P., Gatz, S. A., Jones, J. L., & Cameron, A. J.
M. (2023). The future of precision oncology. International Journal of
Molecular Sciences, 24(16), 12613
02 Precision oncology
7. 02 Precision oncology
- Hallmarks of cancer and
therapeutic implications
Oncogenic (drivers) versus those
that are biologically inert
(passengers).
Among the drivers, a subset are
predictive biomarkers of drug
response or socalled clinically
actionable mutations.
Fernandez-Rozadilla, C., Simões, A. R., Lleonart, M. E., Carnero, A., & Carracedo, Á. (2021). Tumor profiling at the Service of Cancer Therapy. Frontiers in
Oncology, 10. https://doi.org/10.3389/fonc.2020.595613
8. Jiang, M., Bu, C., Zeng, J. et al. Applications and challenges of high performance computing in genomics. CCF Trans. HPC 3, 344–352
(2021)
2015
2016
Standards and
guidelines for
the
interpretation
and reporting
of sequence
variants in
cancer.
2021
Stepwise ABC
system for
classification
of any type of
genetic
variant. Euro
pean Journal
of Human
Genetics
2022
Standards for
the
classification
of
pathogenicity
of somatic
variants in
cancer
(oncogenicity
)
03 NGS and Cancer
9. Chakravarty, D., & Solit, D. B. (2021). Clinical cancer genomic profiling. Nature Reviews Genetics, 22(8), 483–501. https://doi.org/10.1038/s41576-021-00338-8
The success of precision
oncology strategies requires
clinicians to distinguish
clinically actionable molecular
alterations from benign
variants and understand how
differences in the biological
properties of individual mutant
alleles influence treatment
response and patient
outcomes
03 NGS and
cancer-
Clinical
applications of
sequencing
10. 04 Variant Interpretation
Germline vs. Somatic
Feature ACMG/AMP (2015) -
Germline
AMP/ASCO/CAP (2017) -
Somatic
Objective Genetic disease diagnosis Therapeutic & prognostic
guidance
Classification P, LP, VUS, LB, B Levels 1-4 based on clinical
evidence
Key Criteria PVS1, PM2, PP3, BS1 Therapeutic action, clinical
trials
Clinical Use Hereditary predisposition
assessment
Oncology precision
medicine
11. 04 Variant Interpretation - General aspect
Moody, E. W., Vagher, J., Espinel, W., Goldgar, D., Hagerty, K. J., & Gammon, A. (2019). Comparison of somatic and germline variant interpretation in hereditary
cancer genes. JCO Precision Oncology, 3, 1–8. https://doi.org/10.1200/po.19.00144
12. Standards and guidelines for the interpretation of sequence variants: a joint consensus
recommendation of the American College of Medical Genetics and Genomics and the Association
for Molecular Pathology
13. Richards, S., Aziz, N., Bale, S., Bick, D., Das, S., Gastier-Foster, J., Grody, W. W., Hegde, M., Lyon, E., Spector, E., Voelkerding, K., & Rehm, H. L. (2015). Standards and guidelines for the interpretation of
sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genetics in Medicine, 17(5), 405–424.
Point system to the ACMG/AMP variant
classification guidelines
14. Recommendations for application of the
functional evidence PS3/BS3 criterion
using
the ACMG/AMP sequence variant
interpretation framework
Calibration of computational tools for
missense variant pathogenicity
classification and ClinGen
recommendations for PP3/BP4 criteria
15. Houge, G., Laner, A., Cirak, S., De Leeuw, N., Scheffer, H., & Dunnen, J. T. D. (2021). Stepwise ABC system for classification of any type of genetic
variant. European Journal of Human Genetics, 30(2), 150–159
Stepwise ABC system for classification of any type of genetic
variant
16. Reclassification of clinically-detected sequence
variants: Framework for genetic clinicians and clinical
scientists by CanVIG-UK (Cancer Variant
Interpretation Group UK)
The classification process
involves assessing the
evidence with respect to its
potential pathogenicity and
clinical relevance based on
the score assigned to
different types of
supporting data, which may
include population
frequency, functional
assays, and familial data.
Loong, L., Garrett, A., Allen, S., Choi, S., Durkie, M., Callaway, A., Drummond, J., Burghel, G. J., Robinson, R., Torr, B., Berry, I. R., Wallace, A. J., Eccles, D. M., Ellard, S., Baple, E.,
Evans, D. G., Woodward, E. R., Kulkarni, A., Lalloo, F., . . . Turnbull, C. (2022). Reclassification of clinically-detected sequence variants: Framework for genetic clinicians and clinical
scientists by CanVIG-UK (Cancer Variant Interpretation Group UK). Genetics in Medicine, 24(9), 1867–1877
17. Standards and Guidelines for the Interpretation
and Reporting of Sequence Variants in Cancer
Guidelines outline key data types used to assess the oncogenicity of a variant, including:
•Population Frequency: Evaluating how common the variant is in the general population to distinguish
between benign and pathogenic variants.
•Functional Data: Experimental evidence demonstrating the impact of the variant on protein function or
cellular processes.
•Computational Predictions: In silico tools that assess potential pathogenicity based on structural,
evolutionary, and biochemical properties.
•Somatic Frequency: Analysis of how often the variant appears in cancerous tissues compared to normal
tissues, helping to infer its role in tumorigenesis.
18. Clinical and experimental evidence - four levels
Li, M. M., Datto, M., Duncavage, E. J., Kulkarni, S., Lindeman, N. I., Roy, S., Tsimberidou, A. M., Vnencak-Jones, C. L., Wolff, D. J., Younes, A., & Nikiforova, M. N. (2016). Standards and
guidelines for the interpretation and reporting of sequence variants in cancer. Journal of Molecular Diagnostics, 19(1), 4–23. https://doi.org/10.1016/j.jmoldx.2016.10.002
19. Li, M. M., Datto, M., Duncavage, E. J., Kulkarni, S., Lindeman, N. I., Roy, S., Tsimberidou, A. M., Vnencak-Jones, C. L., Wolff, D. J., Younes, A., & Nikiforova, M. N. (2016). Standards and
guidelines for the interpretation and reporting of sequence variants in cancer. Journal of Molecular Diagnostics, 19(1), 4–23. https://doi.org/10.1016/j.jmoldx.2016.10.002
Evidence-based variant categorization
Somatic variants are classified into four
tiers based on their level of clinical
significance in cancer diagnosis,
prognosis, and/or therapeutics. Variants
in tier I are of strongest clinical
significance, and variants in tier IV are
benign or likely benign variants. FDA,
Food and Drug Administration.
20. Clinical significance
Li, M. M., Datto, M., Duncavage, E. J., Kulkarni, S., Lindeman, N. I., Roy, S., Tsimberidou, A. M., Vnencak-Jones, C. L., Wolff, D. J., Younes, A., & Nikiforova, M. N. (2016). Standards and
guidelines for the interpretation and reporting of sequence variants in cancer. Journal of Molecular Diagnostics, 19(1), 4–23. https://doi.org/10.1016/j.jmoldx.2016.10.002
21. Horak, P., Griffith, M., Danos, A. M., Pitel, B. A., Madhavan, S., Liu, X., Chow, C., Williams, H., Carmody, L., Barrow-Laing, L., Rieke, D., Kreutzfeldt, S., Stenzinger, A., Tamborero, D., Benary,
M., Rajagopal, P. S., Ida, C. M., Lesmana, H., Satgunaseelan, L., . . . Sonkin, D. (2022). Standards for the classification of pathogenicity of somatic variants in cancer (oncogenicity): Joint
recommendations of Clinical Genome Resource (ClinGen), Cancer Genomics Consortium (CGC), and Variant Interpretation for Cancer Consortium (VICC). Genetics in Medicine, 24(5), 986–
998. https://doi.org/10.1016/j.gim.2022.01.001
Somatic standard operating procedure evidence framework
overview
22. Oncoscore conjunction with AMP/ASCO/CAP
Horak, P., Griffith, M., Danos, A. M., Pitel, B. A., Madhavan, S., Liu, X., Chow, C., Williams, H., Carmody, L., Barrow-Laing, L., Rieke, D., Kreutzfeldt, S., Stenzinger, A., Tamborero, D., Benary,
M., Rajagopal, P. S., Ida, C. M., Lesmana, H., Satgunaseelan, L., . . . Sonkin, D. (2022). Standards for the classification of pathogenicity of somatic variants in cancer (oncogenicity): Joint
recommendations of Clinical Genome Resource (ClinGen), Cancer Genomics Consortium (CGC), and Variant Interpretation for Cancer Consortium (VICC). Genetics in Medicine, 24(5), 986–
998. https://doi.org/10.1016/j.gim.2022.01.001
23. Chakravarty, D., & Solit, D. B. (2021). Clinical cancer genomic profiling. Nature Reviews Genetics, 22(8), 483–501. https://doi.org/10.1038/s41576-021-00338-8
Mapping between the OncoKB levels of evidence and the
AMP/ASCO/CAP consensus recommendation
30. AMP/ASCO/CAP - somatic
FDA-Approved olaparib is indicated for the treatment of adult patients with deleterious or suspected
deleterious germline or somatic homologous recombination repair (HRR) gene-mutated metastatic
castration-resistant prostate cancer (mCRPC) who have progressed following prior treatment with
enzalutamide or abiraterone. Select patients for treatment with olaparib based on the presence of
deleterious or suspected deleterious HRR gene mutations in tumor and plasma specimen.
31. 06 Conclusions
Paired tumour germline genomic profiling
• Enhanced Patient Management: Integrating somatic and germline variant analysis improves precision in
oncology.Guideline
• Frameworks: Established guidelines provide a useful structure for variant interpretation but have
limitations.Population
• Specific Databases: There is a need for better integration of ethnicity-specific genetic databases to refine
oncogenicity assessments.
• Multidisciplinary Collaboration: A holistic approach involving genetics, oncology, bioinformatics, and other
specialists is crucial for optimal patient care.
• Role of Bioinformatics: Advanced computational tools are essential for refining variant classification and
guiding precision medicine strategies.Key Takeaway:A comprehensive, data-driven, an
• Integrating somatic and germline profiling can refine cancer diagnosis, identify heritable risks, and
improve personalized treatment strategies by providing insights into both the tumor's genetic makeup
and the patient's inherited genetics. This is increasingly recognized as essential for optimal cancer care
#2:El cáncer es, en esencia, una enfermedad genética. Su etiología, evolución y respuesta al tratamiento están ligadas a alteraciones genéticas, esto hace indispensable el conocimiento de biología molecular para comprender la enfermedad de forma holística. Dentro de este campo, la interpretación de variantes genéticas, tanto germinales como somáticas, juega un papel clave en la identificación de riesgos, la selección terapéutica y el pronóstico de los pacientes. Este espacio dará a conocer un enfoque estructurado para el análisis de variantes genéticas resaltando su impacto en la oncología de precisión.
#3:Para esto se manejará la siguiente estructura.
Se aclararán aspectos claves en conceptos básicos. Seguido de una pequeña introducción a la oncología de precisión. Para dar paso a los aspectos técnicos para la interpretación de variantes y dar a conocer el esquema de trabajo implementado por el servicio de genética del instituto nacional de cancerología. De terminara con algunas conclusiones.
#6:Oncología de Precisión y Terapias Dirigidas
La oncología de precisión se basa en el uso de terapias diseñadas para beneficiar a un subconjunto específico de pacientes cuyo cáncer presenta características moleculares o celulares distintivas, generalmente alteraciones genómicas y cambios en los patrones de expresión de genes o proteínas.
Un hito en el campo fue la introducción de los inhibidores de la tirosina quinasa del receptor del factor de crecimiento epidérmico (EGFR), gefitinib y erlotinib, que fueron las primeras terapias dirigidas aprobadas por la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA) para el tratamiento del cáncer de pulmón. Inicialmente, estos fármacos se evaluaron sin considerar mutaciones específicas y mostraron una actividad clínica limitada en la mayoría de los tipos de cáncer. Sin embargo, en un grupo particular de pacientes con cáncer de pulmón (aproximadamente 15-20%), se observaron respuestas rápidas con alivio sintomático significativo y regresión tumoral marcada. Estas respuestas fueron más frecuentes en mujeres asiáticas y no fumadores, lo que sugirió que las diferencias en la patogénesis del cáncer podrían influir en la sensibilidad a los inhibidores de EGFR.
Estudios retrospectivos posteriores revelaron que la mayoría de los pacientes que respondieron a estos fármacos presentaban mutaciones somáticas activadoras en el gen EGFR, las cuales inducen una activación constitutiva del receptor y generan una dependencia oncogénica, haciendo que las células tumorales sean altamente susceptibles a la inhibición dirigida.
Dado que la respuesta a terapias varía en función del subtipo molecular del tumor, la clasificación molecular precisa es fundamental para garantizar una selección óptima del tratamiento.
#7:Históricamente, la clasificación de los tumores se basaba en el tipo celular o tejido de origen, así como en sus características morfológicas e histológicas bajo microscopía óptica. Hoy con el advenimiento de la patología molecular este enfoque se complementa integrando información genómica con datos clínicos. Este cambio no solo ha mejorado la precisión en la estratificación del riesgo de recurrencia o mortalidad específica por cáncer, sino que también ha permitido desarrollar estrategias terapéuticas dirigidas y personalizadas, optimizando así el manejo de cada paciente en la era de la oncología de precisión.
El reconocimiento del cáncer como una enfermedad genética ha sido posible gracias a la comprensión de que su desarrollo resulta de la acumulación progresiva de mutaciones en genes clave que regulan la división celular, la supervivencia, la invasión y otras características del fenotipo maligno. Este avance ha permitido profundizar en la variabilidad de los desenlaces clínicos, lo que ha llevado a los investigadores a subclasificar los cánceres en subtipos más específicos y uniformes en su comportamiento biológico.
#8:Otro avance clave en la oncología de precisión fue la llegada de la secuenciación de siguiente generación (NGS, por sus siglas en inglés). Antes de su masificación, el perfil molecular de un tumor dependía de la identificación de mutaciones específicas mediante técnicas como la PCR, lo que limitaba la cantidad de información obtenida y restringía las opciones terapéuticas personalizadas.
Inicialmente, se esperaba que la reducción de costos en secuenciación siguiera un patrón similar a la Ley de Moore, la cual establece que la miniaturización de los microchips conlleva una reducción progresiva en los costos de procesamiento. Sin embargo, a partir de mediados de 2008, la adopción masiva de tecnologías NGS aceleró esta reducción de costos de manera aún más exponencial, superando las predicciones del modelo de Moore y generando una explosión de datos genómicos sin precedentes.
El crecimiento en la cantidad de información disponible y la democratización del acceso a la secuenciación impulsaron la necesidad de estandarizar la interpretación de variantes genéticas. En 2015, el Colegio Americano de Genética Médica y Genómica (ACMG) publicó las primeras guías para la interpretación de variantes germinales, estableciendo criterios sistemáticos para su clasificación. Posteriormente, diversos grupos de expertos desarrollaron guías complementarias tanto para variantes germinales como para variantes somáticas, sentando las bases para un análisis clínico más preciso y reproducible en la oncología de precisión
#9:Ya en el siglo XVI, la presencia de lesiones cutáneas—hoy conocidas como neurofibromas—en individuos de una misma familia sugería la existencia de un factor compartido. No fue sino hasta varios siglos después que se logró determinar que una mutación en el gen NF1 era la responsable de esta condición, estableciendo el vínculo entre la genética y la predisposición al cáncer.
Este y otros trastornos hereditarios forman parte de lo que hoy conocemos como síndromes de susceptibilidad al cáncer, un grupo de condiciones caracterizadas por la presencia de variantes germinales que confieren un mayor riesgo de desarrollar tumores a lo largo de la vida. Estos síndromes han sido fundamentales para comprender los mecanismos de la oncogénesis hereditaria, permitiendo la implementación de estrategias de detección temprana, prevención y tratamiento personalizado en individuos con predisposición genética al cáncer.
De este modo, concluimos que la oncología de precisión requiere un esquema que permita distinguir alteraciones moleculares con potencial accionabilidad clínica, tanto germinales como somáticas, con el objetivo de optimizar la selección de tratamientos y estrategias terapéuticas personalizadas. La correcta interpretación de estas variantes es clave para la toma de decisiones médicas y para el desarrollo de enfoques más eficaces en el manejo del cáncer.
#10:Teniendo en cuenta lo anterior, se presentan las guías de clasificación de variantes, fundamentales para la interpretación de alteraciones genéticas en el contexto clínico.
El primer intento de clasificación de variantes germinales fue desarrollado en 2015 por la ACMG y la AMP, con el propósito de determinar el diagnóstico de enfermedades genéticas. Sin embargo, debido a las limitaciones de este sistema para interpretación de variantes somáticas, un nuevo grupo conformado por la ACMG, AMP y CAP estableció una nueva guía enfocada en la clasificación de variantes somáticas, con un enfoque orientado a la estratificación terapéutica y pronóstica en oncología.
Aspectos clave de estas guías:
Objetivo:
Para variantes germinales, el propósito principal es establecer un diagnóstico genético.
Para variantes somáticas, el enfoque está en determinar estrategias terapéuticas y pronósticas.
Sistema de clasificación:
En el caso de variantes germinales, la clasificación se basa en la evidencia de benignidad o patogenicidad de la alteración genética.
Para variantes somáticas, la evaluación se fundamenta en niveles de evidencia clínica, enfocándose en la acción terapéutica y el impacto en el tratamiento oncológico.
#11:Un sistema general de clasificación de variantes se fundamenta en múltiples aspectos que permiten evaluar su impacto biológico y clínico. Entre los criterios esenciales se incluyen:
Tipo de mutación, ya sea puntuales, deleciones, inserciones o reordenamientos genéticos.
Frecuencia alélica en población general, lo que permite diferenciar variantes raras de polimorfismos comunes.
Evidencia referencial, basada en estudios científicos publicados sobre la variante específica.
Uso de algoritmos bioinformáticos, que predicen el impacto de la variante en la estructura y función del producto génico.
Consideraciones específicas para variantes germinales y somáticas:
Para variantes germinales, se analiza su asociación con un fenotipo reconocible, el patrón de herencia y su segregación en familiares. Estos aspectos son clave para confirmar su papel en enfermedades hereditarias.
Para variantes somáticas, se evalúa la evidencia de su implicación en mecanismos moleculares de la enfermedad, su impacto en la progresión tumoral y la disponibilidad de terapias dirigidas aprobadas por la FDA. Además, se considera la evidencia referencial específica en cáncer, incluyendo estudios de modelos preclínicos y ensayos clínicos.
Este enfoque estructurado permite una interpretación precisa de las variantes genéticas y su relevancia en la toma de decisiones clínicas, tanto en el contexto de enfermedades hereditarias como en la oncología de precisión.
#12:El siguiente cuadro organiza cada uno de los criterios por tipo de evidencia, así como por fuerza de los criterios para una afirmación benigna (lado izquierdo) o patógena (lado derecho). Evidencia las descripciones de los códigos se pueden encontrar en las Tablas 3 y 4. Abreviaturas: BS, benigno fuerte; presión arterial, apoyo benigno; HF, antecedentes familiares; LOF, pérdida de función; MAF, frecuencia de alelos menores; camino., patógeno; PM, patógeno moderado; PP, soporte patógeno; PS, patógeno fuerte; PVS, patógeno muy fuerte.
#13:La primera etapa de su proceso redujo esta evaluación en tipos de evidencia cualitativamente distintos (funcional, genética, poblacional, in silico, etc.) y estratificó la solidez de la evidencia en categorías (de soporte, moderada, fuerte, muy fuerte e independiente).
La segunda etapa contó la evidencia a favor o en contra de la patogenicidad utilizando "criterios combinados", donde varias combinaciones conducirían a evaluaciones categóricas semicuantitativas de patogenicidad (patógena, probablemente patógena, VUS, probablemente benigna o benigna).
En la interpretación de variantes, el cálculo de la probabilidad posterior mediante el teorema de Bayes permite actualizar la probabilidad inicial de patogenicidad con la nueva evidencia disponible. Esta probabilidad revisada refleja el impacto acumulado de la información analizada.
Clasificación basada en umbrales
Los valores resultantes se comparan con umbrales predefinidos, como los establecidos por las guías ACMG/AMP, para categorizar la variante en una de cinco clasificaciones: patogénica, probablemente patogénica, variante de significado incierto (VUS), probablemente benigna o benigna.
Sistema basado en puntuaciones
Este enfoque permite estructurar la clasificación mediante un sistema de puntos, donde cada tipo de evidencia contribuye con un puntaje específico hacia la determinación final de la variante. Este método facilita la evaluación de variantes de manera objetiva y reproducible, manteniendo una base estadística rigurosa.
#15:Aquí presentamos un modelo de clasificación de variantes que puede servir como complemento o alternativa a la clasificación ACMG. Se trata de un sistema gradual diseñado para evaluar cualquier tipo de variante genética, incluyendo alelos hipomórficos, variantes impresas, variaciones en el número de copias, series de homocigosidad, variantes en potenciadores y aquellas relacionadas con rasgos específicos.
Este enfoque, denominado sistema ABC, se basa en dos niveles principales de clasificación y un comentario opcional que contextualiza la interpretación en función de la pregunta clínica.
Clasificación funcional (A): Evalúa el impacto biológico de la variante en la función génica, en una escala del 1 al 5:
1: Función normal
2: Probablemente función normal
3: Efecto funcional hipotético
4: Efecto funcional probable
5: Efecto funcional comprobado
Clasificación clínica (B): Determina la relación genotipo-fenotipo y su relevancia clínica con tres categorías:
1: Gen de interés, pero sin evidencia suficiente de impacto clínico
2: Factor de riesgo con posible asociación a enfermedad
3-5: Variante patogénica, con clasificación dependiente de su penetrancia
3. Comentarios (C):
Ambas clasificaciones se combinan para generar una clasificación conjunta de la A a la F, proporcionando a los clínicos una interpretación más estructurada y aplicable a la toma de decisiones médicas.
#16:En la interpretación de variantes genéticas, asignar una puntuación es fundamental para determinar su impacto clínico. Este proceso sigue marcos estandarizados como las guías de la ACMG, integrando múltiples tipos de evidencia para clasificar las variantes como benignas, probablemente benignas, de significado incierto (VUS), probablemente patogénicas o patogénicas.
Estructura del Sistema de Puntuación
Categorización de la Evidencia:
La evidencia se clasifica según su fuerza en cuatro niveles: muy fuerte, fuerte, moderada y de apoyo.
Cada nivel refleja la confiabilidad y relevancia de la evidencia en la evaluación de la variante.
Asignación de Puntos:
Muy fuerte (3 puntos): Datos altamente confiables (e.g., estudios funcionales sólidos).
Fuerte (2 puntos): Evidencia convincente de impacto funcional.
Moderada (1 punto): Datos de peso intermedio que sugieren un efecto patogénico.
De apoyo (0.5 puntos): Datos indirectos o menos concluyentes (e.g., segregación familiar).
Cálculo Final y Clasificación:
Se suman los puntos de todas las categorías y se compara con umbrales predefinidos:
Patogénico (≥10 puntos).
Probablemente Patogénico (6-9 puntos).
VUS (4-5 puntos).
Probablemente Benigno (-1 a 5 puntos).
Benigno (≤ -7 puntos).
Este sistema permite una evaluación estandarizada y flexible, donde la clasificación de variantes puede ser actualizada conforme se obtenga nueva evidencia. Además, fomenta la colaboración entre laboratorios y clínicos, asegurando una interpretación más precisa y útil para la toma de decisiones médicas en oncología de precisión.
#18:En el contexto de las directrices para la interpretación y notificación de variantes de secuencia en el cáncer, los niveles de evidencia clasifican la importancia clínica de los biomarcadores en función de su respaldo empírico. Estos niveles ayudan a los profesionales de la salud a determinar cuánta confianza pueden depositar en el impacto potencial de una variante determinada en el tratamiento, el diagnóstico o el pronóstico. A continuación, se muestra un desglose de los niveles de evidencia propuestos:
#19:Los niveles de evidencia están directamente correlacionados con un sistema de clasificación de cuatro niveles diseñado para categorizar variantes somáticas según su importancia clínica en el cáncer. Este enfoque escalonado permite una forma organizada de informar variantes, enfatizando su impacto potencial en la atención al paciente. Así es como los niveles de evidencia se traducen en la clasificación por niveles:
#21:El OncoScore puede vincularse a un enfoque sistemático en el que las variantes se clasifican en diferentes niveles de oncogenicidad (p. ej., oncogénica, probablemente oncogénica, variante de significado incierto, probablemente benigna y benigna). Esta clasificación ayuda a interpretar la importancia clínica de las variantes y a tomar decisiones informadas con respecto a la atención al paciente. OncoScore es un componente importante en el marco más amplio de las evaluaciones genómicas en oncología, ya que respalda estrategias de tratamiento más personalizadas basadas en el perfil genético de los tumores.
#23:Marco: OncoKB se centra específicamente en la aplicabilidad clínica de las variantes genéticas relacionadas con el cáncer y su utilidad para guiar las decisiones de tratamiento basadas en la evidencia disponible en estudios clínicos.
Niveles:
Nivel 1: Validación clínica sólida con ensayos clínicos prospectivos; Biomarcadores predictivos para terapias aprobadas.
Nivel 2: La evidencia clínica convincente respalda la capacidad predictiva, pero puede no estar validada universalmente.
Niveles 3A y 3B: diversos grados de evidencia clínica que respaldan la respuesta predictiva, siendo el 3A más fuerte que el 3B.
Nivel 4: Principalmente evidencia de laboratorio sin correlaciones clínicas sustanciales.
#31:La integración de perfiles somáticos y de línea germinal puede perfeccionar el diagnóstico del cáncer, identificar riesgos hereditarios y mejorar las estrategias de tratamiento personalizadas al proporcionar información sobre la composición genética del tumor y la genética heredada del paciente. Esto se reconoce cada vez más como esencial para una atención óptima del cáncer.
