Minimal Residual Disease in Myeloma: Application for Clinical Care and New Drug Registration
Notice bibliographique
Résumé
The development of novel agents has transformed the treatment paradigm for multiple myeloma, with minimal residual disease (MRD) negativity now achievable across the entire disease spectrum. Bone marrow-based technologies to assess MRD, including approaches using next-generation flow and next-generation sequencing, have provided real-time clinical tools for the sensitive detection and monitoring of MRD in patients with multiple myeloma. Complementary liquid biopsy-based assays are now quickly progressing with some, such as mass spectrometry methods, being very close to clinical use, while others utilizing nucleic acid-based technologies are still developing and will prove important to further our understanding of the biology of MRD. On the regulatory front, multiple retrospective individual patient and clinical trial level meta-analyses have already shown and will continue to assess the potential of MRD as a surrogate for patient outcome. Given all this progress, it is not surprising that a number of clinicians are now considering using MRD to inform real-world clinical care of patients across the spectrum from smoldering myeloma to relapsed refractory multiple myeloma, with each disease setting presenting key challenges and questions that will need to be addressed through clinical trials. The pace of advances in targeted and immune therapies in multiple myeloma is unprecedented, and novel MRD-driven biomarker strategies are essential to accelerate innovative clinical trials leading to regulatory approval of novel treatments and continued improvement in patient outcomes.
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 | 0,002 | 0,006 |
| 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 | 0,001 |
| 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 ».