OncoTree: A Cancer Classification System for Precision Oncology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Cancer classification is foundational for patient care and oncology research. Systems such as International Classification of Diseases for Oncology (ICD-O), Systematized Nomenclature of Medicine Clinical Terms (SNOMED-CT), and National Cancer Institute Thesaurus (NCIt) provide large sets of cancer classification terminologies but they lack a dynamic modernized cancer classification platform that addresses the fast-evolving needs in clinical reporting of genomic sequencing results and associated oncology research. METHODS: To meet these needs, we have developed OncoTree, an open-source cancer classification system. It is maintained by a cross-institutional committee of oncologists, pathologists, scientists, and engineers, accessible via an open-source Web user interface and an application programming interface. RESULTS: OncoTree currently includes 868 tumor types across 32 organ sites. OncoTree has been adopted as the tumor classification system for American Association for Cancer Research (AACR) Project Genomics Evidence Neoplasia Information Exchange (GENIE), a large genomic and clinical data-sharing consortium, and for clinical molecular testing efforts at Memorial Sloan Kettering Cancer Center and Dana-Farber Cancer Institute. It is also used by precision oncology tools such as OncoKB and cBioPortal for Cancer Genomics. CONCLUSION: OncoTree is a dynamic and flexible community-driven cancer classification platform encompassing rare and common cancers that provides clinically relevant and appropriately granular cancer classification for clinical decision support systems and oncology research.
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.
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 | 0,001 | 0,001 |
| 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 découle