BIOP02-148: Table 1 코호트 특성표 5암종 + participant flow

[JamieLyu]

BIOP02-148 — Table 1(코호트 특성표) 5암종

claim_level: descriptive (가설 검정 아님, 사전등록 대상 없음)

범위

티켓 본문 전체 범위(축소 옵션 미사용) — 5암종(유방·폐·대장·위·두경부) × 환자수/슬라이드수/train·holdout/나이/성별/stage/grade/tissue source site 수 +
엔드포인트별 유병률·결측·assay source + participant flow. 전부 기존 정본 파일(patient_labels.csv/split.csv/tcga_brca_manifest.csv/mil_cost_results.json)
집계 — 신규 라벨·모델링 없음.

산출물

• fetch_table1_clinical.py → table1_clinical.json — age/sex/stage/grade/TSS site (cBioPortal). 정정 1건: GRADE·TISSUE_SOURCE_SITE_CODE가 PATIENT-level이
  아니라 SAMPLE-level 속성임을 최초 실행에서 0건으로 확인 후 발견 → 재실행.
• build_table1.py → table1_master.json(정본) + TABLE1.md + PARTICIPANT_FLOW.md
• check_table1_numbers.py — DoD "결과 파일과 1:1 대조" 자체 검증

핵심 발견

1. grade 커버리지가 극단적으로 다름: 위(440/440, 100%)·두경부(519/523, 99%)는 완비, 유방·폐·대장은 0%(cBioPortal GRADE 속성 자체가 없음 — 체리피킹
   아니라 실측 확인, BIOP02-140에서 폐도 동일 확인). 숨기지 않고 표에 그대로 노출.
2. PAM50은 이진 유병률 정의 불가 — 5-class 분포(LumB 321·LumA 243·Basal 198·HER2 120)로 표기.
3. holdout denominator가 같은 암종 안에서도 엔드포인트마다 다름(위 lauren_diffuse n=58 vs msi_h n=107) — Table 1b에 엔드포인트별 행으로 분리해 노출.
4. 교차확인: LUNG_NSCLC/full/SUBTYPE_BASELINE_NOTE.md(기존 산출물)가 R1이 인용한 "조직형만으로 0.793" 기준선의 정확한 출처임을 확인. 리뷰 대기 중인
   BIOP02-140(BIOP02-140 v1: 폐 공변량 기준선 + KRAS/EGFR 증분가치 — kras_g12c 🔴 강등 권고 #136)이 이 기준선의 확장판(0.802)이라 같은 결론을 독립적으로 강화(참고용, 본 PR 범위 밖).

DoD "본문·표 R1/R2와 분모 불일치 0건" 검증

check_number_drift.py(BIOP02-107)는 AUROC류·3개 문서만 봐서 Table 1은 범위 밖 — 별도로 check_table1_numbers.py 작성해 manuscript/sections/02_results.md의
R2 표 6행 + R1 prose 헤드라인 인용 3건을 table1_master.json과 대조. 불일치 0건.

Table 1 배치

본문(main text) 권장 — TRIPOD+AI 13b 표준, 02_results.md R1 앞이 자연스러움. 다만 원고 prose는 이번 PR에서 직접 수정하지 않음 — 다른 분들이 쓰고 계신
원고라 배치·문구는 리뷰 후 합의해서 별도 커밋으로 편입 제안.

DoD

• Table 1 초안 (배치 판단 포함)
• 모든 수치가 커밋된 결과 파일과 1:1 대조
• 본문·표 R1/R2와 분모 불일치 0건
• participant flow
• 독립 리뷰: 박세진(sezinie000) 또는 지용기 — 요청함 (Jira comment 11989)

관련: Jira BIOP02-148, BIOP02-76(TRIPOD 매핑) · BIOP02-138(#3 operating-point) · BIOP02-140(같은 KRAS
기준선 교차확인)