The Unmet Diagnostic and Treatment Needs in Large Cell Neuroendocrine Carcinoma of the Lung
Notice bibliographique
Résumé
Large cell neuroendocrine carcinoma of the lung (LCNEC) is currently classified as a rare lung cancer subtype, but given the high incidence of lung cancer, the overall number of cases is considerable. The pathologic diagnosis of LCNEC is mainly based on the microscopic appearance of the tumor cells, the mitotic rate, the amount of intra-tumoral necrosis, and the presence of positive neuroendocrine markers identified by immunohistochemistry. Recently, a subdivision into two main categories was proposed based on mutation signatures involving the RB1, TP53, KRAS, and STK11/LKB1 genes, into SCLC-like (small cell lung cancer-like) and NSCLC-like (non-small cell lung cancer-like) LCNEC. In terms of treatment, surgery is still the best option for resectable, stage I-IIIA cases. Chemotherapy and radiotherapy have conflicting evidence. Etoposide/platinum remains the standard chemotherapy regimen. However, based on the newly proposed LCNEC subtypes, some retrospective series report better outcomes using a pathology-driven chemotherapy approach. Encouraging outcomes have also been reported for immunotherapy and targeted therapy, but the real impact of these strategies is still being determined in the absence of adequate prospective clinical trials. The current paper scrutinized the epidemiology, reviewed the reliability of pathologic diagnosis, discussed the need for molecular subtyping, and reviewed the heterogeneity of treatment algorithms in LCNEC.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».