Молекулярні біомаркери в менеджменті пацієнтів з недрібноклітинним раком легень
Bibliographic record
Abstract
Недрібноклітинний рак легень (НДКРЛ) є одною з провідних причин смертності в онкології. Упровадження в клінічну практику таргетної терапії та імунотерапії дозволило досягти суттєвого прогресу в поліпшенні результатів лікування хворих на НДКРЛ. Вибір стратегії лікування ґрунтується на результатах мультигенного тестування НДКРЛ з оцінкою відповідного спектра клінічно значущих біомаркерів. У цьому огляді автори систематизували дані щодо молекулярного профілю НДКРЛ різних гістологічних типів і впливу генетичних альтерацій на чутливість до різних варіантів терапії, навели аналіз поточних настанов і рекомендацій щодо молекулярного тестування пацієнтів з НДКРЛ, сформулювали вимоги щодо вибору оптимальних зразків біоматеріалу і методів тестування НДКРЛ. З огляду на широкий спектр клінічно значущих мутацій при НДКРЛ оптимальним методом генетичного тестування є NGS. При неможливості проведення NGS частина клінічно значущих генетичних альтерацій може бути визначена за допомогою полімеразної ланцюгової реакції, FISH або імуногістохімії. У разі неможливості отримання зразку пухлинної тканини мультигенне тестування НДКРЛ ІІІ–ІV стадії рекомендовано проводити методом рідкої біопсії з використанням плазми крові, яка містить циркулюючу пухлинну ДНК. Дослідження циркулюючої пухлинної ДНК у крові дозволяє визначити мінімальну залишкову хворобу, визначити ефективність проведеної терапії, оцінити ризик рецидиву і прогноз.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.040 | 0.015 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".