Advances in the Treatment of Mucoepidermoid Carcinoma
Notice bibliographique
Résumé
Mucoepidermoid carcinoma (MEC) represents 10-15% of salivary neoplasms. Due to their low incidence, it is challenging to conduct clinical trials and develop treatment guidelines. Although surgery is the most common approach for a resectable tumor, various treatment options such as chemotherapy, radiotherapy, and immunotherapy have been investigated. There is a need to implement a standardized treatment protocol to effectively manage MEC as it is a common histological subtype. Furthermore, it has become essential to assess chromosomal and genetic abnormalities recently identified with MEC, including alterations of CDKN2A , TP53 , CDKN2B , BAP1 , etc. These mutations are involved in the transformation of low-grade tumors to high-grade tumors, presenting a vital tool for evaluating the aggressive behavior of this carcinoma. Detailed immunohistochemical and translocation studies can help develop targeted therapies and monitor treatment response. Therefore, biomarker-driven research will immensely improve the outcome, especially in advanced cases. Based on thorough histology and chromosomal translocations, a more personalized treatment plan can improve the overall disease outcome. The purpose of this article is to elaborate on the current treatment advancements, particularly chemotherapy and targeted therapy, as an effective treatment modality for the management of MEC and highlight the comparison with traditional treatment approaches. World J Oncol. 2022;13(1):1-7 doi: https://doi.org/10.14740/wjon1412
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».