Computational Modeling of Ovarian Cancer Reveals Optimal Strategies for Therapy and Screening
Notice bibliographique
Résumé
Abstract High-grade serous tubo-ovarian carcinoma (HGSC) is a major cause of cancer-related death. Whether treatment order—primary debulking surgery followed by adjuvant chemotherapy (PDS) or neo-adjuvant chemotherapy with interval surgery (NACT)—affects outcome is controversial. We developed a mathematical framework that holds for hierarchical or stochastic models of tumor initiation and reproduces HGSC clinical course. After estimating parameter values, we infer that most patients harbor chemo-resistant HGSC cells at diagnosis, and that if complete debulking (<1 mm residual tumor) can be achieved, PDS is superior to NACT due to better depletion of resistant cells. We further predict that earlier diagnosis of primary HGSC, followed by complete debulking, could improve survival, but its benefit in relapsed patients is likely to be limited. Our predictions are supported by primary clinical data from multiple cohorts. Our results have clear implications for these key issues in HGSC management. Significance Statement The optimal order and timing of surgery and chemotherapy, and the potential benefits of earlier diagnosis of HGSC, remain controversial. We developed a mathematical framework of tumor dynamics to address such issues, populated the model with primary clinical data and reliably recapitulated clinical observations. Our model prospectively predicts that: (1) PDS is superior to NACT when complete debulking is feasible; (2) timely adjuvant chemotherapy is critical for the outcome of PDS with <1mm, but not >1mm, residual tumors; (3) earlier detection of relapse is unlikely to be beneficial with current therapies; (4) earlier detection of primary HGSC, followed by complete debulking, could have substantial benefit. Our model provides insights into the evolutionary dynamics of HGSC, argues for new clinical trials to optimize HGSC therapy, and is potentially applicable to other tumor types.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».