Challenges and Novel Opportunities of Radiation Therapy for Brain Metastases in Non-Small Cell Lung Cancer
Notice bibliographique
Résumé
Approximately 20% patients with non-small cell lung cancer (NSCLC) present with CNS spread at the time of diagnosis and 25-50% are found to have brain metastases (BMs) during the course of the disease. The improvement in the diagnostic tools and screening, as well as the use of new systemic therapies have contributed to a more precise diagnosis and prolonged survival of lung cancer patients with more time for BMs development. In the past, most of the systemic therapies failed intracranially because of the inability to effectively cross the blood brain barrier. Some of the new targeted therapies, especially the group of tyrosine kinase inhibitors (TKIs) have shown durable CNS response. However, the use of ionizing radiation remains vital in the management of metastatic brain disease. Although a decrease in CNS-related deaths has been achieved over the past decade, many challenges arise from the need of multiple and repeated brain radiation treatments, which carry along not insignificant risks and toxicity. The combination of stereotactic radiotherapy and systemic treatments in terms of effectiveness and adverse effects, such as radionecrosis, remains a subject of ongoing investigation. This review discusses the challenges of the use of radiation therapy in NSCLC BMs in view of different systemic treatments such as chemotherapy, TKIs and immunotherapy. It also outlines the future perspectives and strategies for personalized BMs management.
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) | 0,002 | 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 ».