Review of molecular classification and treatment implications of pediatric brain tumors
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Brain tumors are the most common solid tumors and leading cause of cancer-related death in children. The advent of large-scale genomics has resulted in a plethora of profiling studies that have mapped the genetic and epigenetic landscapes of pediatric brain tumors, ringing in a new era of precision diagnostics and targeted therapies. In this review, we highlight the most recent findings, focusing on studies published after 2015, and discuss how new evidence is changing the care of children with brain tumors. RECENT FINDINGS: Genome-wide and epigenome-wide profiling data have revealed distinct tumor entities within, virtually, all pediatric brain tumor groups including medulloblastoma; ependymoma; high-grade and low-grade gliomas; atypical teratoid/rhabdoid tumors; and other embryonal tumors, previously called CNS primitive neuroectodermal tumors. Whenever integrated with clinical information, many molecular alterations emerge as powerful prognostic markers and should thus be used to stratify patients and tailor therapies. SUMMARY: Optimal integration of this newly emerging knowledge in a timely and meaningful way into clinical care is a remarkable task and a matter of active debate. The historical morphology-based classification of tumors is being replaced by a genetic-based classification, and the first generation of molecularly informed clinical trials is underway.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».