Abstract IA018: Liquid biopsy in head and neck cancers: A model for tissue-agnostic MRD detection
Notice bibliographique
Résumé
Abstract Head and neck cancer (HNC) is a molecularly heterogenous disease with a variable clinical course. Current treatment decisions rely primarily on pre-treatment prognostic factors without consideration of treatment response. This presentation will introduce liquid biopsy biomarkers that can be repeated in HNC patients for the purpose of dynamic risk stratification, treatment adaptation, and post-treatment surveillance. Novel approaches to measuring circulating tumor DNA (ctDNA) will be described, with particular attention to viral-associated and non-viral- associated subtypes of HNC. Detection of molecular residual disease (MRD) using ctDNA will be discussed. As HNC is often treated by non-surgical means, there is a pressing need for tissue- agnostic methods for ctDNA-based MRD detection. Analysis of tumor-specific genetic and epigenetic aberrations within ctDNA each present distinct opportunities and challenges for tissue-agnostic characterization of ctDNA. Viral ctDNA has emerged as a convenient target for MRD detection in viral-associated HNC, while ctDNA methylome profiling offers a versatile approach for tissue-agnostic MRD detection across HNC subtypes. Future applications of these methods may improve individualized management of HNC patients without requiring access to precious tumor tissue samples. Citation Format: Scott V Bratman. Liquid biopsy in head and neck cancers: A model for tissue-agnostic MRD detection [abstract]. In: Proceedings of the AACR Special Conference: Liquid Biopsy: From Discovery to Clinical Implementation; 2024 Nov 13-16; San Diego, CA. Philadelphia (PA): AACR; Clin Cancer Res 2024;30(21_Suppl):Abstract nr IA018.
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 | 0,003 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».