Companion diagnostics and the age of personalized medicine in oncology
Notice bibliographique
Résumé
Companion diagnostics are tests which are used to guide targeted therapies. They represent the application of knowledge of unique sensitivities of hosts or diseases. The FDA approved the first companion diagnostic-related drug, trastuzumab (Herceptin), in 1998. Trastuzumab is specifically effective in human epidermal growth factor receptor 2 (HER2) positive cancers, which are associated with poor outcomes with conventional cytotoxic therapy. Since trastuzumab, many other companion diagnostics have been brought to market. There are both health and economical advantages to developing companion diagnostics. With personalized therapy, patients will experience fewer and less severe side effects, and patients are more likely to have positive outcomes. Companies seeking to approve companion diagnostics will be able to recruit fewer participants for efficacy trials, leading to decreased development costs. Challenges to the future of companion diagnostics include preventing off-label usage of drugs. Additionally, the likely expensive cost of companion diagnostics, as in the example of ivacaftor (Kalydeco), will raise questions on how these drugs will be paid for.
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 | 0,029 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,031 |
| Communication savante | 0,011 | 0,026 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,015 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».