Successful Treatment of Carcinomatous Meningitis with Gefitinib in a Patient with Lung Adenocarcinoma Harboring a Mutated EGF Receptor Gene
Notice bibliographique
Résumé
Carcinomatous meningitis is a severe complication of lung cancer. Although treatment with gefitinib, a tyrosine kinase inhibitor of epidermal growth factor (EGF) receptor, has been reported to be highly effective against lung cancers harboring a mutated EGF gene, its effect against carcinomatous meningitis is unknown. Here, we report successful treatment of carcinomatous meningitis with gefitinib in a lung cancer patient suffered from meningeal metastasis. A 62-year-old, non-smoking, Japanese male was admitted for headache, failing vision, and temporary loss of consciousness and was subsequently diagnosed with stage IV lung adenocarcinoma and carcinomatous meningitis. A tumor sample revealed the in-frame deletion of codons 746 to 750 (E746 to A750) in exon 19 of the EGF gene, which leads to constitutive activation of the tyrosine kinase domain and high-affinity binding of gefitinib. The patient's performance status was poor owing to progression of the meningitis and elevated cerebrospinal fluid (CSF) pressure. Combined treatment with gefitinib (250 mg/day) and whole-brain irradiation (36 Gray total) proved to be effective. It is noteworthy that the level of gefitinib in the CSF was less than 1% of the serum level (serum: 117 nM before drug re-administration and 132 nM 2 hrs later; CSF: 0.9 nM both before and 2 hrs after drug re-administration). Gefitinib treatment should be considered for patients with carcinomatous meningitis and lung adenocarcinoma harboring a mutated EGF gene.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
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 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 ».