A review of predictive, prognostic and diagnostic biomarkers for non-small-cell lung cancer: towards personalised and targeted cancer therapy
Notice bibliographique
Résumé
Abstract Introduction: Lung cancer has a high mortality rate mainly due to the lack of early detection or outward signs and symptoms, thereby often progressing to advanced stages (e.g., stage IV) before it is diagnosed. However, if lung cancers can be diagnosed at an early stage and also if clinicians can prospectively identify patients likely to respond to specific treatments, then there is a very high potential to increase patients’ survival. In recent years, several investigations have been conducted to identify cancer biomarkers for lung cancer risk assessment, early detection and diagnosis, the likelihood of identifying the group of patients who will benefit from a particular treatment and monitoring patient response to treatment. Materials and Methods: This paper reports on the review of 19 current clinical and emerging biomarkers used in risk assessment, screening for early detection and diagnosis and monitoring the response of treatment of non-small-cell lung cancers. Conclusion: The future holds promise for personalised and targeted medicine from prevention, diagnosis to treatment, which take into account individual patient’s variability, though it depends on the development of effective biomarkers interrogating the key aberrant pathways and potentially targetable with molecular targeted or immunologic therapies. Lung cancer biomarkers have the potential to guide clinical decision-making since they can potentially detect the disease early, measure the risk of developing the disease and the risk of progression, provide accurate information of patient response to a specific treatment and are capable of informing clinicians about the likely outcome of a cancer diagnosis independent of the treatment received. Moreover, lung cancer biomarkers are increasingly linked to specific molecular pathway deregulations and/or cancer pathogenesis and can be used to justify the application of certain therapeutic or interventional strategies.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».