Ambient Ionization Mass Spectrometry for Cancer Diagnosis and Surgical Margin Evaluation
Notice bibliographique
Résumé
BACKGROUND: There is a clinical need for new technologies that would enable rapid disease diagnosis based on diagnostic molecular signatures. Ambient ionization mass spectrometry has revolutionized the means by which molecular information can be obtained from tissue samples in real time and with minimal sample pretreatment. New developments in ambient ionization techniques applied to clinical research suggest that ambient ionization mass spectrometry will soon become a routine medical tool for tissue diagnosis. CONTENT: This review summarizes the main developments in ambient ionization techniques applied to tissue analysis, with focus on desorption electrospray ionization mass spectrometry, probe electrospray ionization, touch spray, and rapid evaporative ionization mass spectrometry. We describe their applications to human cancer research and surgical margin evaluation, highlighting integrated approaches tested for ex vivo and in vivo human cancer tissue analysis. We also discuss the challenges for clinical implementation of these tools and offer perspectives on the future of the field. SUMMARY: A variety of studies have showcased the value of ambient ionization mass spectrometry for rapid and accurate cancer diagnosis. Small molecules have been identified as potential diagnostic biomarkers, including metabolites, fatty acids, and glycerophospholipids. Statistical analysis allows tissue discrimination with high accuracy rates (>95%) being common. This young field has challenges to overcome before it is ready to be broadly accepted as a medical tool for cancer diagnosis. Growing research in new, integrated ambient ionization mass spectrometry technologies and the ongoing improvements in the existing tools make this field very promising for future translation into the clinic.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».