Major milestones in translational oncology
Notice bibliographique
Résumé
Translational oncology represents a bridge between basic research and clinical practice in cancer medicine. Today, translational research in oncology benefits from an abundance of knowledge resulting from genome-scale studies regarding the molecular pathways involved in tumorigenesis. In this Forum article, we highlight the state of the art of translational oncology in five major cancer types. We illustrate the use of molecular profiling to subtype colorectal cancer for both diagnosis and treatment, and summarize the results of a nationwide screening program for ovarian cancer based on detection of a tumor biomarker in serum. Additionally, we discuss how circulating tumor DNA can be assayed to safely monitor breast cancer over the course of treatment, and report on how therapy with immune checkpoint inhibitors is proving effective in advanced lung cancer. Finally, we summarize efforts to use molecular profiling of prostate cancer biopsy specimens to support treatment decisions. Despite encouraging early successes, we cannot disregard the complex genetics of individual susceptibility to cancer nor the enormous complexity of the somatic changes observed in tumors, which urge particular attention to the development of personalized 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 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 | 0,024 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,015 | 0,046 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,006 |
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 ».