La synergie entre l’immunothérapie et la radiothérapie dans le traitement du cancer du poumon non à petites cellules : analyse d’études cliniques réelles et virtuelles
Bibliographic record
Abstract
Chaque année, plus de 27 000 canadiens sont diagnostiqués du cancer du poumons non à petites cellules (CPNPC). Bien que les inhibiteurs de points de contrôle immunitaire (IPC) aient révolutionné le traitement, le taux de survie après 5 ans reste limité à 22%. La radiothérapie (RT) pourrait potentialiser la réponse aux IPC. Afin d’évaluer cette synergie, nous avons effectué une revue systématique des études disponibles sur "ClinicalTrials.gov" portant sur le CPNPC et la combinaison IPC-RT, excluant tout autre type de cancer ou traitement à l'exception de la chimiothérapie ou de la chirurgie. Les 24 essais cliniques inclus ont été analysés en s’appuyant sur les lignes directrices du « National Comprehensive Cancer Network » et l’algorithme de traitement de l'Institut National d'Excellence en Santé et en Services Sociaux. L’intégration de la combinaison avant la chirurgie reste peu documentée, bien que des données suggèrent une amélioration de la réponse pathologique sans compromettre la chirurgie. Aux stades précoces, les résultats préliminaires sont encourageants, mais des études de phase III restent nécessaires. Aux stades localement avancés, des approches innovatrices, incluant l’intégration anticipée des IPC, l’irradiation stéréotaxique (SABR) et des protocoles sans chimiothérapie, sont explorées. Aux stades avancés, l’hétérogénéité des populations, inter alia, rend difficile l’identification des populations significativement réceptives. Des stratégies émergentes, telles que l’irradiation partielle ou l’administration de microdoses de RT à plusieurs lésions, sont en cours d’évaluation. Les informations et données cliniques collectées dans cette analyse sont ensuite exploitées pour la validation et l'amélioration de simulations d’études cliniques virtuelles effectuées via une plateforme de modélisation de pharmacologie quantitative des systèmes, dans le but ultime d’orienter le développement clinique et d’individualiser l’approche thérapeutique.
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 | 0.016 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".