MétaCan
Menu
Retour à la cohorte
Enregistrement W4413009148 · doi:10.1016/j.jlb.2025.100320

Cancer in a drop: Liquid biopsy highlights from the American Society of Clinical Oncology (ASCO) 2025 annual congress

2025· editorial· en· W4413009148 sur OpenAlexaff
Canio Martinelli, Roberto Borea, Maheswaran Shivahamy, Angelo Dipasquale, Erick Figueiredo Saldanha, Nadia Ghazali, Eleonora Nicolò, Pavel Stejskal, Letizia Pontolillo, Carolina Reduzzi

Notice bibliographique

RevueThe Journal of Liquid Biopsy · 2025
Typeeditorial
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésClinical OncologyLiquid biopsyMedicineInternal medicineOncologyBiopsyMedical physicsFamily medicineCancer

Résumé

récupéré en direct d'OpenAlex

Over the past decade, liquid biopsy has progressively expanded its role in oncology, supported by mounting evidence demonstrating an increasing number of clinical applications. At the 2025 American Society of Clinical Oncology (ASCO) Annual Meeting, liquid biopsy emerged as a central theme across multiple sessions, with more than 700 abstracts, investigating the clinical utility of liquid biopsy across a wide range of tumor types and disease stages. Applications presented included cancer screening, minimal residual disease (MRD) detection, management of metastatic disease, and potential use for matching patients to clinical trials. This editorial, authored on the behalf of the Young Committee of the International Society of Liquid Biopsy (ISLB) highlights the result of selected studies, grouped by tumor type.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,357
Écart entre enseignants0,340 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Liquid BiopsyMême sujetCancer Genomics and DiagnosticsTravaux en français237 207