Clinico‐morphological features of <scp>BRAF</scp> inhibition–induced proliferative skin lesions in cancer patients
Notice bibliographique
Résumé
BACKGROUND: The use of BRAF inhibitors may lead to the development of cutaneous toxicities such as rashes, photosensitivity, alopecia, palmoplantar erythrodysesthesia, and proliferative skin lesions, including keratoacanthomas (KAs) and cutaneous squamous cell carcinomas (cuSCCs). The latter are noteworthy for their potential to exhibit malignant features, and they may necessitate invasive treatment. Their prompt identification is of primary importance for directing supportive care efforts and maintaining dose intensity while minimizing the morbidity associated with supportive care interventions. Because such lesions are less familiar to oncologists, this study was designed to characterize their clinico-morphological features, which have not been hitherto described. METHODS: The clinical and dermoscopic characteristics and risk factors of new-onset proliferative skin lesions (benign verrucous lesions and KAs/cuSCCs) developing after the initiation of treatment with vemurafenib, dabrafenib, and XL281 were analyzed; the histopathological diagnoses were ascertained. RESULTS: The majority of the lesions were benign verrucous lesions (78%, n = 87), whereas KAs/cuSCCs represented 22% (n = 25). The median times to biopsy for the initial verrucous lesions and KAs/cuSCCs were 4.8 and 10.5 weeks, respectively. The clinico-morphological features significant for KAs/cuSCCs included a larger size (P < .001), a nodular appearance (P < .001), a central keratin plug (P < .001), a central ulceration or crust (P = .04), an adherent scale (P = .02), an erythematous halo (P = .03), and a scaly ring (collarette; P < .001) at the periphery. CONCLUSIONS: Our findings represent the first detailed description of the clinico-morphological characteristics that permit distinction between the benign and malignant skin lesions induced by BRAF inhibitors. They are valuable for the recognition of lesions that require intervention and/or a dermatology referral versus those that permit provisional monitoring.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».