THER-03. USING SUCCESSIVE EGF RECEPTOR ANTAGONISTS TO TREAT A PATIENT WITH EXTENSIVE METASTATIC DISEASE: CASE REPORT AND REVIEW OF THE LITERATURE
Notice bibliographique
Résumé
Abstract INTRODUCTION: EGFR-targeted agents can be useful in the treatment of systemic metastatic cancer including that which has spread to the brain. We present the case of a patient with two different EGFR mutations that responded to receptor blockade. CASE REPORT: A 38 year old right-handed female presented with a one week history of progressive left-sided weakness and focal seizures. Neuroimaging revealed multiple enhancing brain lesions and a lesion in the left maxillary antrum. Body imaging revealed a right lung mass, hilar and mediastinal nodes and multiple bony lesions. Biopsy of the maxillary antrum lesion showed metastatic poorly differentiated adenocarcinoma, TTF-1 positive, suggesting a lung primary. ALK was not mutated but there was an EGFR mutation (exon 19 deletion). The patient underwent treatment with dexamethasone, levetiracetam, whole brain radiation and afatinib, an oral EGFR-targeted agent. Most of the brain lesions responded completely with only two small residual lesions. Seizures were controlled. There was major partial response from the systemic lesions. Two years later the patient was clinically well but the lung lesion, mediastinal nodes and bony lesions were all enlarging. A new pituitary lesion was identified on brain MRI. A liquid biopsy (blood) revealed a T790M mutation and the patient underwent stereotactic body radiation and EGFR-targeted therapy with osimertinib. All lesions responded to treatment and four years after initial diagnosis the patient is clinically well with stable disease. DISCUSSION: Successful treatment of widespread metastatic disease is possible with the use of multiple EGFR-targeted agents in certain 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 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) | 0,000 | 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 ».