MétaCan
Menu
Retour à la cohorte
Enregistrement W4378087252 · doi:10.3390/curroncol30060395

Novel Tools for Diagnosis and Monitoring of AML

2023· review· en· W4378087252 sur OpenAlexvenueno aff
Francesca Guijarro, Marta Garrote, Neus Villamor, Dolors Colomer, Jordi Esteve, Mònica López‐Guerra

Notice bibliographique

RevueCurrent Oncology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Myeloid Leukemia Research
Établissements canadiensnon disponible
Organismes subventionnairesInstituto de Salud Carlos III
Mots-clésMedicineMinimal residual diseaseMyeloid leukemiaImmunophenotypingMolecular diagnosticsDigital polymerase chain reactionComputational biologyBioinformaticsIntensive care medicineLeukemiaInternal medicineFlow cytometryImmunologyPolymerase chain reactionGeneBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

In recent years, major advances in the understanding of acute myeloid leukemia (AML) pathogenesis, together with technological progress, have led us into a new era in the diagnosis and follow-up of patients with AML. A combination of immunophenotyping, cytogenetic and molecular studies are required for AML diagnosis, including the use of next-generation sequencing (NGS) gene panels to screen all genetic alterations with diagnostic, prognostic and/or therapeutic value. Regarding AML monitoring, multiparametric flow cytometry and quantitative PCR/RT-PCR are currently the most implemented methodologies for measurable residual disease (MRD) evaluation. Given the limitations of these techniques, there is an urgent need to incorporate new tools for MRD monitoring, such as NGS and digital PCR. This review aims to provide an overview of the different technologies used for AML diagnosis and MRD monitoring and to highlight the limitations and challenges of current versus emerging tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,976
Score d'incertitude au seuil0,873

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,554
Tête enseignante GPT0,559
Écart entre enseignants0,005 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetAcute Myeloid Leukemia ResearchTravaux en français237 207