103 articles
L'oncologie explore les mécanismes complexes du cancer, de sa formation à ses traitements, en passant par les nouvelles stratégies de prévention. Ce domaine vital vise à améliorer la survie et la qualité de vie des patients grâce à une compréhension toujours plus fine de la biologie tumorale. Sur Gist.Science, nous rendons ces avancées accessibles à tous, sans jargon inutile, pour que chacun puisse suivre l'évolution de la recherche.
Nos équipes traitent systématiquement chaque nouveau prépublication soumise sur medRxiv dans cette catégorie. Pour chaque étude, nous proposons une explication claire en langage courant ainsi qu'un résumé technique détaillé, garantissant une information rigoureuse et compréhensible. Vous trouverez ci-dessous les dernières publications en oncologie, sélectionnées et résumées pour vous.
Cette étude démontre que les cotes logarithmiques des ganglions lymphatiques positifs (LODDs), intégrées dans un nomogramme personnalisé, constituent un outil pronostique supérieur aux systèmes de stadification actuels pour évaluer la survie des patients atteints d'adénocarcinome gastrique.
Cette étude démontre que l'impact pronostique des macrophages associés aux tumeurs varie de manière significative selon le type histologique, passant d'un effet protecteur dans le mélanome à un effet délétère dans le carcinome épidermoïde pulmonaire, soulignant ainsi la nécessité d'adapter les stratégies thérapeutiques ciblant ces cellules au contexte tumoral spécifique.
Cette étude présente un cadre méthodologique intégré, utilisant l'interpolation empirique, la modélisation logistique optimisée par recuit dual et l'outil ThresholdXpert 1.0, pour déterminer de manière optimale des points de coupure diagnostiques et concevoir des panels multimarqueurs robustes pour le dépistage du carcinome hépatocellulaire.
Cette étude démontre que l'intégration d'un classificateur pronostique moléculaire au système de stadification TNM de la 9ᵉ édition améliore significativement la stratification du risque et la prédiction de la survie chez les patients atteints d'adénocarcinome pulmonaire par rapport aux systèmes anatomiques traditionnels.
Cette étude cartographie pour la première fois les infrastructures de recherche mondiales pour les essais oncologiques de phase III, révélant que la disponibilité de ces essais est directement liée au nombre d'établissements et que les régions en développement souffrent d'une capacité limitée, principalement restreinte aux essais multirégionaux et industriels.
Cette étude démontre que la fusion de l'apprentissage profond par scanner (CT), de la radiomique et des profils immunitaires du sang périphérique améliore significativement la précision diagnostique du cancer du poumon chez les patients symptomatiques, atteignant une AUC de 0,81 par rapport aux approches à modalité unique.
En appliquant une nouvelle approche pour quantifier la forme de l'arbre évolutif dans la cohorte TRACERx de cancer du poumon non à petites cellules, cette étude démontre que l'équilibre de l'arbre clonal est un prédicteur robuste de la survie sans maladie qui surpasse les indices évolutifs précédents et suggère que l'uniformité de la ramification est plus critique pour les résultats cliniques que l'hétérogénéité intratumorale.
Dans une étude rétrospective monocentrique portant sur 57 patientes atteintes d'un cancer du sein de stade pT1-2N1, la radiothérapie post-mastectomie (RPM) n'était pas associée à une amélioration de la survie sans récidive ou de la survie globale, suggérant que les résultats sont principalement déterminés par la biologie tumorale, la charge ganglionnaire et le traitement systémique plutôt que par la RPM.
Cette étude de la base de données SEER démontre que, bien que la transplantation hépatique offre une excellente survie à long terme pour le carcinome hépatocellulaire de stade précoce, ses résultats pour le cholangiocarcinome intrahépatique de stade précoce sont nettement inférieurs, soulignant la nécessité de critères de sélection distincts et de recherches moléculaires supplémentaires pour identifier les sous-populations potentielles d'ICC qui pourraient en bénéficier.
Cette étude démontre que des modèles d'apprentissage automatique entraînés sur les données de la National Cancer Database et affinés avec des dossiers de santé électroniques du monde réel via l'apprentissage par transfert et l'optimisation de seuil peuvent prédire avec précision une rechute rapide chez les patientes atteintes de cancer du sein triple négatif, offrant ainsi un outil prometteur pour l'identification précoce et l'amélioration des soins cliniques.