MétaCan
Menu
Retour à la cohorte
Enregistrement W4211157853 · doi:10.3389/fonc.2021.667397

Therapeutic Targeting of Minimal Residual Disease to Prevent Late Recurrence in Hormone-Receptor Positive Breast Cancer: Challenges and New Approaches

2022· review· en· W4211157853 sur OpenAlexafffund
David W. Cescon, Kevin Kalinsky, Heather A. Parsons, Karen L. Smith, Patricia A. Spears, Alexandra Thomas, Fengmin Zhao, Angela DeMichele

Notice bibliographique

RevueFrontiers in Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueHER2/EGFR in Cancer Research
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesNational Cancer InstituteUniversity of Toronto
Mots-clésMedicineMinimal residual diseaseDiseaseBreast cancerClinical trialOncologyBone marrowInternal medicineCancerStage (stratigraphy)Bioinformatics

Résumé

récupéré en direct d'OpenAlex

While the majority of breast cancers are diagnosed at a curable stage, approximately 20% of women will experience recurrence at a distant site during their lifetime. These metastatic recurrences are incurable with current therapeutic approaches. Over the past decade, the biologic mechanisms underlying these recurrences have been elucidated, establishing the existence of minimal residual disease in the form of circulating micrometastases and dormant disease, primarily in the bone marrow. Numerous technologies are now available to detect minimal residual disease (MRD) after breast cancer treatment, but it is yet unknown how to best target and eradicate these cells, and whether clearance of detectable disease prior to the formation of overt metastases can prevent ultimate progression and death. Clinical trials to test this hypothesis are challenging due to the rare nature of MRD in the blood and bone marrow, resulting in the need to screen a large number of survivors to identify those for study. Use of prognostic molecular tools may be able to direct screening to those patients most likely to harbor MRD, but the relationship between these predictors and MRD detection is as yet undefined. Further challenges include the lack of a definitive assay for MRD with established clinical utility, difficulty in selecting potential interventions due to limitations in understanding the biology of MRD, and the emotional impact of detecting MRD in patients who have completed definitive treatment and have no evidence of overt metastatic disease. This review provides a roadmap for tackling these challenges in the design and implementation of interventional clinical trials aimed at eliminating MRD and ultimately preventing metastatic disease to improve survival from this disease, with a specific focus on late recurrences in ER+ breast cancer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,165
Tête enseignante GPT0,407
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetHER2/EGFR in Cancer ResearchTravaux en français237 207