Advances in sarcoma diagnostics and treatment
Notice bibliographique
Résumé
// Amanda R. Dancsok 1 , Karama Asleh-Aburaya 1 and Torsten O. Nielsen 1,2 1 Pathology and Laboratory Medicine, University of British Columbia, Vancouver, BC, Canada 2 Sarcoma Disease Site Committee, Canadian Cancer Trials Group Correspondence to: Amanda R. Dancsok, email: // Keywords : soft tissue sarcoma, sarcoma review, sarcoma diagnostics, sarcoma therapeutics, sarcoma advances Received : July 25, 2016 Accepted : September 29, 2016 Published : October 09, 2016 Abstract The heterogeneity of sarcomas with regard to molecular genesis, histology, clinical characteristics, and response to treatment makes management of these rare yet diverse neoplasms particularly challenging. This review encompasses recent developments in sarcoma diagnostics and treatment, including cytotoxic, targeted, epigenetic, and immune therapy agents. In the past year, groups internationally explored the impact of adding mandatory molecular testing to histological diagnosis, reporting some changes in diagnosis and/or management; however, the impact on outcomes could not be adequately assessed. Transcriptome sequencing techniques have brought forward new diagnostic tools for identifying fusions and/or characterizing unclassified entities. Next-generation sequencing and advanced molecular techniques were also applied to identify potential targets for directed and epigenetic therapy, where preclinical studies reported results for agents active within the receptor tyrosine kinase, mTOR, Notch, Wnt, Hedgehog, Hsp90, and MDM2 signaling networks. At the level of clinical practice, modest developments were seen for some sarcoma subtypes in conventional chemotherapy and in therapies targeting the pathways activated by various receptor tyrosine kinases. In the burgeoning field of immune therapy, sarcoma work is in its infancy; however, elaborate protocols for immune stimulation are being explored, and checkpoint blockade agents advance from preclinical models to clinical studies.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».