Biomarkers That Currently Affect Clinical Practice: EGFR, ALK, MET, KRAS
Notice bibliographique
Résumé
New drugs such as pemetrexed, the epidermal growth factor receptor (egfr) tyrosine kinase inhibitors, and the Alk inhibitor crizotinib have recently enabled progress in the management of advanced non-small-cell lung cancer (nsclc). More drugs, especially Met inhibitors, will follow. However, the benefits of these agents are not uniform across the spectrum of nsclc, and optimizing their utility requires some degree of subgrouping of nsclc by the presence or absence of certain biomarkers.The biomarkers of current or imminent value are EGFR and KRAS mutational status, ALK rearrangements, and MET immunohistochemistry. As a predictor of benefit for anti-egfr monoclonal antibodies, EGFR immunohistochemistry is also of potential interest.Some of the foregoing biomarkers (EGFR, ALK, MET) are direct drivers of the malignant phenotype. As such, they are, quite rationally, the direct targets of inhibitory drugs. However, KRAS, while definitely a driver, has resisted attempts at direct pharmacologic manipulation, and its main value might lie in its role as part of an efficient testing algorithm, because KRAS mutations appear to exclude EGFR and ALK mutations. The indirect value of KRAS in determining sensitivity to other targeted agents or to pemetrexed remains controversial. The other biomarkers (EGFR, ALK, MET) may also have indirect value as predictors of sensitivity to chemotherapy in general, to pemetrexed specifically, and to radiotherapy and molecularly targeted agents.These biomarkers have all enabled the co-development of new drugs with companion diagnostics, and they illustrate the paradigm that will govern progress in oncology in the immediate future. However, in nsclc, the acquisition of sufficient biopsy material remains a stubborn obstacle to the evolution of novel targeted therapies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 0,001 |
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 tête enseignante, 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 ».