Current Advances in Radioactive Iodine-Refractory Differentiated Thyroid Cancer
Notice bibliographique
Résumé
Background: Differentiated thyroid cancer (DTC) patients have an outstanding overall long-term survival rate, and certain subsets of DTC patients have a very high likelihood of disease recurrence. Radioactive iodine (RAI) therapy is a cornerstone in DTC management, but cancer cells can eventually develop resistance to RAI. Radioactive iodine-refractory DTC (RAIR-DTC) is a condition defined by ATA 2015 guidelines when DTC cannot concentrate RAI ab initio or loses RAI uptake ability after the initial therapy. The RAIR condition implies that RAI cannot reveal new met-astatic foci, so RAIR-DTC metabolic imaging needs new tracers. 18F-FDG PET/CT has been widely used and has demonstrated prognostic value, but 18F-FDG DTC avidity may remain low. Fibroblast activation protein inhibitors (FA-Pi)s, prostatic-specific membrane antigen (PSMA), and somatostatin receptor (SSTR) tracers have been proposed as theragnostic agents in experimental settings and Arg-Gly-Asp (RGD) peptides in the diagnostic trial field. Multi-targeted tyrosine kinase inhibitors are relatively new drugs approved in RAIR-DTC therapy. Despite the promising targeted setting, they relate to frequent adverse-event onset. Sorafenib and trametinib have been included in re-differentiation protocols aimed at re-inducing RAI accumulation in DTC cells. Results appear promising, but not excellent. Conclusions: RAIR-DTC remains a challenging nosological entity. There are still controversies on RAIR-DTC definition and post-RAI therapy evaluation, with post-therapy whole-body scan (PT-WBS) the only validated criterion of response. The recent introduction of multiple diagnostic and therapeutic agents obliges physicians to pursue a multidisciplinary approach aiming to correct drug introduction and timing choice.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».