Navigating Myelodysplastic and Myelodysplastic/Myeloproliferative Overlap Syndromes
Notice bibliographique
Résumé
Myelodysplastic syndromes (MDS) and MDS/myeloproliferative neoplasms (MPNs) are clonal diseases that differ in morphologic diagnostic criteria but share some common disease phenotypes that include cytopenias, propensity to acute myeloid leukemia evolution, and a substantially shortened patient survival. MDS/MPNs share many clinical and molecular features with MDS, including frequent mutations involving epigenetic modifier and/or spliceosome genes. Although the current 2016 World Health Organization classification incorporates some genetic features in its diagnostic criteria for MDS and MDS/MPNs, recent accumulation of data has underscored the importance of the mutation profiles on both disease classification and prognosis. Machine-learning algorithms have identified distinct molecular genetic signatures that help refine prognosis and notable associations of these genetic signatures with morphologic and clinical features. Combined geno-clinical models that incorporate mutation data seem to surpass the current prognostic schemes. Future MDS classification and prognostication schema will be based on the portfolio of genetic aberrations and traditional features, such as blast count and clinical factors. Arriving at these systems will require studies on large patient cohorts that incorporate advanced computational analysis. The current treatment algorithm in MDS is based on patient risk as derived from existing prognostic and disease classes. Luspatercept is newly approved for patients with MDS and ring sideroblasts who are transfusion dependent after erythropoietic-stimulating agent failure. Other agents that address red blood cell transfusion dependence in patients with lower-risk MDS and the failure of hypomethylating agents in higher-risk disease are in advanced testing. Finally, a plethora of novel targeted agents and immune checkpoint inhibitors are being evaluated in combination with a hypomethylating agent backbone to augment the depth and duration of response and, we hope, improve overall survival.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».