Lung cancer multi-omics digital human avatars for integrating precision medicine into clinical practice: the LANTERN study
Notice bibliographique
Résumé
BACKGROUND: The current management of lung cancer patients has reached a high level of complexity. Indeed, besides the traditional clinical variables (e.g., age, sex, TNM stage), new omics data have recently been introduced in clinical practice, thereby making more complex the decision-making process. With the advent of Artificial intelligence (AI) techniques, various omics datasets may be used to create more accurate predictive models paving the way for a better care in lung cancer patients. METHODS: The LANTERN study is a multi-center observational clinical trial involving a multidisciplinary consortium of five institutions from different European countries. The aim of this trial is to develop accurate several predictive models for lung cancer patients, through the creation of Digital Human Avatars (DHA), defined as digital representations of patients using various omics-based variables and integrating well-established clinical factors with genomic data, quantitative imaging data etc. A total of 600 lung cancer patients will be prospectively enrolled by the recruiting centers and multi-omics data will be collected. Data will then be modelled and parameterized in an experimental context of cutting-edge big data analysis. All data variables will be recorded according to a shared common ontology based on variable-specific domains in order to enhance their direct actionability. An exploratory analysis will then initiate the biomarker identification process. The second phase of the project will focus on creating multiple multivariate models trained though advanced machine learning (ML) and AI techniques for the specific areas of interest. Finally, the developed models will be validated in order to test their robustness, transferability and generalizability, leading to the development of the DHA. All the potential clinical and scientific stakeholders will be involved in the DHA development process. The main goals aim of LANTERN project are: i) To develop predictive models for lung cancer diagnosis and histological characterization; (ii) to set up personalized predictive models for individual-specific treatments; iii) to enable feedback data loops for preventive healthcare strategies and quality of life management. DISCUSSION: The LANTERN project will develop a predictive platform based on integration of multi-omics data. This will enhance the generation of important and valuable information assets, in order to identify new biomarkers that can be used for early detection, improved tumor diagnosis and personalization of treatment protocols. ETHICS COMMITTEE APPROVAL NUMBER: 5420 - 0002485/23 from Fondazione Policlinico Universitario Agostino Gemelli IRCCS - Università Cattolica del Sacro Cuore Ethics Committee. TRIAL REGISTRATION: clinicaltrial.gov - NCT05802771.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».