Theranostics in surgical oncology
Notice bibliographique
Résumé
Theranostics is a method where molecules that target surface structures in tumors are coupled with different radioisotopes, allowing them to bind to tumor cells for detection (diagnostic) and elimination (therapeutic). In the case of neuroendocrine tumors (NET), peptides targeting somatostatin receptors (SSTR) are most commonly used for this purpose. These peptides are, for example, coupled with 68 Ga for diagnostic and 177 Lu for therapeutic purposes. This allows SSTR-positive tumors to be detected with high sensitivity and treated effectively, which is particularly beneficial in cases where surgery (alone) is not feasible. However, theranostic procedures can also be used to guide surgical procedures or – in the context of a neoadjuvant approach – increase resectability. Other therapies currently in development aim to increase antitumor effectiveness or aim to combat tumors which are resistant to other radiopharmaceutical therapies (RPT) using new isotopes and SSTR-targeting peptides or combining RPT with other drugs. Modern radiological diagnostics, as well as the production and use of radiopharmaceuticals, require costly equipment and specialized procedures and are therefore not accessible to most patients around the world. However, the expansion of the repertoire of studied and approved theranostics promises to make these highly effective treatments available to more patients. The following review intends to provide an overview of current questions about theranostics with relevance to surgical oncology.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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 ».