MétaCan
Menu
Retour à la cohorte
Enregistrement W2954329183 · doi:10.1186/s12943-019-1043-x

Liquid biopsy in hepatocellular carcinoma: circulating tumor cells and circulating tumor DNA

2019· review· en· W2954329183 sur OpenAlexfundno aff
Qianwei Ye, Sunbin Ling, Shusen Zheng, Xiao Xu

Notice bibliographique

RevueMolecular Cancer · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesNational Science and Technology Major ProjectMcMaster University
Mots-clésLiquid biopsyHepatocellular carcinomaCirculating tumor cellBiopsyLiver biopsyMetastasisCirculating tumor DNAPathologyMedicineCarcinomaCancerOncologyInternal medicineCancer research

Résumé

récupéré en direct d'OpenAlex

Hepatocellular carcinoma (HCC) is one of the most common cancers and a leading cause of death worldwide. Due to latent liver disease, late diagnosis, and nonresponse to systemic treatments, surgical resection and/or biopsy specimens are still generally considered as the gold standard by clinicians for clinical decision-making until now. Since the conventional tissue biopsy is invasive and contains small tissue samples, it is unable to represent tumor heterogeneity or monitor dynamic tumor progression. Therefore, it is imperative to find a new less invasive or noninvasive diagnostic strategy to detect HCC at an early stage and to monitor HCC recurrence. Over the past years, a new diagnostic concept known as "liquid biopsy" has emerged with substantial attention. Liquid biopsy is noninvasive and allows repeated analyses to monitor tumor recurrence, metastasis or treatment responses in real time. With the advanced development of new molecular techniques, HCC circulating tumor cells (CTCs) and circulating tumor DNA (ctDNA) detection have achieved interesting and encouraging results. In this review, we focus on the clinical applications of CTCs and ctDNA as key components of liquid biopsy in HCC patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,279
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations379
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular CancerMême sujetCancer Genomics and DiagnosticsTravaux en français237 207