Current Approaches and Future Directions for the Treatment of Solid Tumour Brain Metastases
Notice bibliographique
Résumé
Brain metastases (BrM) are most common among patients with metastatic lung cancer, breast cancer, and melanoma. Historically, management of BrM consisted of local treatments with surgical resection and/or radiation therapy, with either whole brain radiation therapy (WBRT) or stereotactic radiosurgery (SRS). Current guidelines recommend SRS as the initial therapy for patients who have up to four BrM, but several studies have demonstrated that upfront SRS may be considered for some patients who have more than four BrM given additional clinical benefits of improved memory function and quality of life compared to WBRT. Systemic therapies are increasingly understood to cross the blood-brain barrier (BBB) following disruption of its integrity upon BrM development. Disseminated tumour cells intravasate into the circulation and spread hematogenously with a “seed and soil” tropism for the brain that provides a suitable tumour microenvironment. Tumour cells extravasate and increase the permeability of the BBB by decreasing tight junction protein expression, decreasing astrocyte pedicles, reducing pericyte coverage, and increasing neoangiogenesis. The altered integrity of the BBB allows penetration of large drug molecules, such as antibody-drug conjugates (ADCs), which exert their therapeutic effects on BrM by binding to tumour cell-specific epitopes and releasing a cytotoxic payload, even in the absence of radiation. Other therapeutic mechanisms of action include molecular (passive or receptor-mediated transport), physical (radiation or focused ultrasound), direct delivery to the brain (intrathecal or intratumoral), and cell‑mediated (immune cell extravasation) (Figure 1).
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».