Concurrent driver mutations/rearrangements in non-small-cell lung cancer
Notice bibliographique
Résumé
PURPOSE OF REVIEW: The concept of mutually exclusive oncogenic driver alterations has prevailed over the past decade, but recent reports have stressed the possible occurrence of dual-positive non-small-cell lung cancer (NSCLC) and even triple-positive disease for these oncogenes. This entity presents novel prognostic and therapeutic challenges. The present review highlights the available data in an effort to clarify the clinical and pathological significance of coexisting mutations as well as the subsequent therapeutic consequences. RECENT FINDINGS: Patients with a known driver oncogene can be successfully treated with the appropriate tyrosine kinase inhibitor, which will provide them with significant responses and lesser toxicities compared with cytotoxic therapy. Unfortunately, most patients will eventually progress. Although some resistance mechanisms have been identified, others remain to be determined but the emergence of secondary oncogenes could be part of the answer. SUMMARY: Approximately 20-25% of NSCLC harbor treatable driver mutations/rearrangements; epidermal growth factor receptor mutation, anaplastic lymphoma kinase and ROS-1 gene rearrangements are the main alterations for which a Food and Drug Administration-approved tyrosine kinase inhibitor can be used.Because of recent technological advances, high sensitivity assays with a broad range of genomic targets have become more easily accessible in clinical practice, which has led to an increased detection of coexisting driver alterations in patients with advanced NSCLC. The prognostic/predictive and therapeutic implications of this novel entity are still unsettled for the time being. Randomized trials specifically designed to address this subset of patients will soon be necessary to help determine the optimal therapeutic agent to administer.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».