Cancer in a drop: Liquid biopsy highlights from the World Conference on Lung Cancer (WCLC) 2025
Notice bibliographique
Résumé
The role of liquid biopsy in oncological care continues to expand, with multiple studies presented at the International Association for the Study of Lung Cancer (IASLC) 2025 World Conference on Lung Cancer (WCLC 2025). This review summarizes recent advances in liquid biopsy for thoracic oncology, encompassing both non-small cell lung cancer (NSCLC) and small cell lung cancer (SCLC). In early detection and screening, proteomic profiling has identified potential biomarkers predictive of future lung cancer risk. The integration of proteomics with clinical and imaging data can improve pulmonary nodule malignancy prediction. In resectable NSCLC, tumour-informed whole-genome sequencing (WGS) assay demonstrated high sensitivity for minimal residual disease (MRD) detection, with MRD clearance following neoadjuvant osimertinib or chemo-immunotherapy associated with favorable outcomes. In advanced NSCLC, longitudinal liquid biopsy analyses reveal dynamic subclonal evolution driving early treatment resistance. Circulating tumor DNA (ctDNA) clearance following targeted therapy in MET exon 14 skipping and BRAF-mutated tumors was associated with improved clinical outcomes. Emerging biomarkers such as ctDNA tumour fraction and circulating microRNA signatures are promising for radiotherapy stratification and prediction of immunotherapy-related toxicities. In SCLC, MRD monitoring enables earlier detection of disease progression and supports ctDNA-guided selection of patients for consolidation immunotherapy following chemotherapy. Overall, these advances demonstrate the expanding role of liquid biopsy in improving early detection, guiding treatment, and improving disease monitoring in lung cancer.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».