Personalized medicine for metastatic breast cancer
Notice bibliographique
Résumé
PURPOSE OF REVIEW: With recent advances in DNA sequencing technology, recurrent genomic alterations can be identified in tumor samples from patients with metastatic breast cancer (MBC) to enrich clinical trials testing targeted therapies. This review provides an overview of clinically relevant genomic alterations in MBC and summarizes the recent clinical data from early phase trials of novel targeted treatments. RECENT FINDINGS: The clinical development of personalized treatment includes targeted agents directed against PI3K/mTOR, fibroblast growth factor receptor (FGFR), human epidermal growth factor receptor 2 (HER2), DNA repair, and cell cycle pathways. PI3K/mTOR pathway drugs are active in endocrine and trastuzumab-resistant disease. Drugs targeted at PI3K/mTOR, FGFR, and poly(ADP-ribose) polymerase show early signs of efficacy in MBC subpopulations enriched with relevant pathway aberrancies. Regimens combining targeted agents with either endocrine, anti-HER2, or chemotherapy treatments are also being studied in hormone receptor-defined and HER2-defined or pathway-enriched subgroups. SUMMARY: A new approach to personalized medicine for MBC that involves molecular screening for clinically relevant genomic alterations and genotype-targeted treatments is emerging. Clinical trials are needed to determine whether rare subpopulations of MBC benefit from genotype-targeted treatments.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».