Молекулярні біомаркери в менеджменті пацієнтів з недрібноклітинним раком легень
Notice bibliographique
Résumé
Недрібноклітинний рак легень (НДКРЛ) є одною з провідних причин смертності в онкології. Упровадження в клінічну практику таргетної терапії та імунотерапії дозволило досягти суттєвого прогресу в поліпшенні результатів лікування хворих на НДКРЛ. Вибір стратегії лікування ґрунтується на результатах мультигенного тестування НДКРЛ з оцінкою відповідного спектра клінічно значущих біомаркерів. У цьому огляді автори систематизували дані щодо молекулярного профілю НДКРЛ різних гістологічних типів і впливу генетичних альтерацій на чутливість до різних варіантів терапії, навели аналіз поточних настанов і рекомендацій щодо молекулярного тестування пацієнтів з НДКРЛ, сформулювали вимоги щодо вибору оптимальних зразків біоматеріалу і методів тестування НДКРЛ. З огляду на широкий спектр клінічно значущих мутацій при НДКРЛ оптимальним методом генетичного тестування є NGS. При неможливості проведення NGS частина клінічно значущих генетичних альтерацій може бути визначена за допомогою полімеразної ланцюгової реакції, FISH або імуногістохімії. У разі неможливості отримання зразку пухлинної тканини мультигенне тестування НДКРЛ ІІІ–ІV стадії рекомендовано проводити методом рідкої біопсії з використанням плазми крові, яка містить циркулюючу пухлинну ДНК. Дослідження циркулюючої пухлинної ДНК у крові дозволяє визначити мінімальну залишкову хворобу, визначити ефективність проведеної терапії, оцінити ризик рецидиву і прогноз.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,017 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».