<scp><i>TP53</i></scp>‐Mutated Myeloid Neoplasms: 2024 Update on Diagnosis, Risk‐Stratification, and Management
Notice bibliographique
Résumé
ABSTRACT Alterations in the tumor suppressor gene TP53 are common in human cancers and are associated with an aggressive nature. Approximately 8%–12% of myelodysplastic syndrome (MDS) and acute myeloid leukemia (AML) harbor TP53 mutations ( TP53 mut ) and present immense challenges due to inherent chemoresistance and poor outcomes. As TP53 mut are more common in older individuals and those with secondary/therapy‐related myeloid neoplasms (MN), their incidence is expected to increase with an aging population and rising proportion of cancer survivors. Treatments used for other MN—intensive chemotherapy, hypomethylating agents, and the BCL‐2 inhibitor venetoclax—do not improve the survival of TP53 mut MN patients meaningfully. Additionally, further development of many promising agents has been discontinued, highlighting the challenges. Widespread acknowledgment of these problems led to the recognition of TP53 mut MN as a distinct entity in the 5th edition of the World Health Organization and International Consensus Classifications. However, critical discrepancies between the two classifications may lead to under‐ or overestimation of the prognostic risk. Here, we review recent advances in the biology, diagnosis, and treatment of TP53 mut MN. The development of TP53 mut MN is positioned at the intersection of age, hereditary predisposition, and anti‐cancer therapies. Precursor TP53 mut clones can be detected years prior to the eventual leukemic transformation—raising the possibility of early intervention. We discuss the two classification systems and the bearing of the discrepancies between the two on timely and effective management. We provide novel evidence in the areas of discrepancies. Finally, we review the current therapeutic landscape and the obvious limitations of the currently used therapies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».