MétaCan
Menu
Retour à la cohorte
Enregistrement W4412824780 · doi:10.1038/s41746-025-01809-6

Design specifications for biomedical virtual twins in engineered adoptive cellular immunotherapies

2025· review· en· W4412824780 sur OpenAlexaff
Ulrike Weirauch, Markus Kreuz, Colin Birkenbihl, Miriam Alb, Maria Quaranta, Laurence Calzone, Sophia Orozco-Ruiz, Stefanie Binder, Luise Fischer, Solène Clavreul, Morine Maguri, Maximilian Ferle, Michael Rade, Guillaume Azarias, Jay R. Hydren, Jakub Jamárik, Dániel Schwarz, Zsolt Sebestyén, Jürgen Kuball, Georg Popp, Chloé Antoine, Manon Knockaert, Clara T. Schoeder, David Fandrei, Carmen Sanges, Vaclovas Radvilas, Nico Gagelmann, Olaf Penack, Stephan Fricke, Andreas Schmidt, Carol Ward, Carl Steinbeißer, Jean-Marc Van Gyseghem, Anna Niarakis, Laurent Garderet, Michael Hudecek, Thomas Neumuth, Uwe Platzbecker, Ulrike Koehl, Regina Demlová, Andreas Kremer, Stefan Franke, Holger Fröhlich, Maximilian Merz, Kristin Reiche

Notice bibliographique

Revuenpj Digital Medicine · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensHealth Care Foundation
Organismes subventionnairesNational Cancer InstituteEuropean Commission
Mots-clésImmune systemComputer scienceComputational biologyAdoptive cell transferPsychologyNeuroscienceHuman–computer interactionMedicineBiologyImmunologyT cell

Résumé

récupéré en direct d'OpenAlex

In (immune)oncology, virtual twins (VTs) offer patient-individual decision support. Nevertheless, current VTs do not incorporate the unique properties of engineered adoptive cellular immunotherapies (eACIs). Here, we outline the minimal design specifications for VTs for engineered ACIs (eACI-VTs) to model the complex interplay between cell product and patient physiology. We motivate utilizing VTs in eACIs to provide decision support and reflect on how eACI-VTs can support the widespread use of eACIs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,370
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Digital MedicineMême sujetCAR-T cell therapy researchTravaux en français237 207