Oncologie omvat het onderzoek naar kanker, een complexe ziekte die cellen onbeheerd laat groeien. Deze wetenschappelijke veld bestrijkt alles van de moleculaire oorzaken tot nieuwe behandelingen en preventiestrategieën, met als doel patiënten langer en beter te laten leven. Het is een snel veranderend gebied waar elke dag nieuwe inzichten kunnen leiden tot doorbraken in de strijd tegen deze aandoening.

Op Gist.Science maken we deze complexe kennis toegankelijk voor iedereen. Wij verwerken elke nieuwe preprint uit de oncologie-categorie van medRxiv, een belangrijke bron voor medisch onderzoek. Voor elk artikel bieden we zowel een begrijpelijke samenvatting in gewone taal als een gedetailleerde technische uitleg, zodat zowel leken als experts direct de kern kunnen begrijpen zonder vertraging.

Hieronder vindt u de meest recente publicaties in dit dynamische vakgebied, direct samengevat en klaar om te lezen.

🔬 oncology

VALIDATION OF PROGRESS, A SIMPLE MACHINE-LEARNING DERIVED RISK STRATIFICATION SCORE FOR CASTRATION-RESISTANT PROSTATE CANCER

Dit artikel introduceert en valideert PROGRESS, een eenvoudig machine-learning-gebaseerd prognostisch scoremodel voor castratieresistent prostaatkanker dat, gebaseerd op drie routinematige laboratoriumwaarden, een nauwkeurige risicostratificatie mogelijk maakt om de klinische besluitvorming te verbeteren.

Castro Labrador, L., Zamora, R., Szyldergemajn, S., Gomez del Campo, P., Castillo Izquierdo, J., De All, J. A., Domingue (…)2026-02-26
🔬 oncology

A Czech national administrative real-world study of diagnostics and treatment pathways of non-small-cell lung cancer stratified by disease stage: From data to actionable indicators

Deze Tsjechische nationale studie toont aan dat het koppelen van administratieve claimsdata aan het kankerregister waardevolle, stadia-gespecificeerde kwaliteitsindicatoren oplevert voor de zorgpaden van patiënten met niet-kleincellig longkanker, waarmee knelpunten zoals de trage behandelingstijd en regionale ongelijkheid in biomarker-testen kunnen worden geïdentificeerd en aangepakt.

Donin, G., Tichopad, A., Sedlak, V., Rybar, M., Rozanek, M., Mothejlova, k., Koblizek, V., Turcani, P., Sova, M., Dusek (…)2026-02-25
🔬 oncology

Integrated Framework for the Optimal Determination of Diagnostic Cut-off Points through Empirical Interpolation, Logistic Modeling Optimized by Dual Annealing, and Combinatorial Optimization with ThresholdXpert: Application to Hepatocellular Carcinoma

Dit artikel introduceert een geïntegreerd raamwerk met geavanceerde wiskundige modellering en de ThresholdXpert 1.0-software voor de optimale bepaling van diagnostische drempelwaarden, wat resulteert in robuuste multimarkerpanelen voor de diagnose van hepatocellulair carcinoom.

Reinosa, R.2026-02-23
🔬 oncology

Integration of a Molecular Prognostic Classifier into the Ninth Edition TNM Staging of Lung Adenocarcinoma

Deze studie toont aan dat het integreren van een moleculaire prognostische classifier in het 9e editie TNM-stadiëringssysteem voor longadenocarcinoom leidt tot een aanzienlijk betere risicofracturatie en overlevingsvoorspelling dan de traditionele anatomische stadiëring alleen.

Abolfathi, H., Lamaze, F. C., Maranda-Robitaille, M., Pellerin, K.-A., Joubert, D., Armero, V. S., Gaudreault, N., Boudr (…)2026-02-18
🔬 oncology

Global Distribution and Characteristics of Research Facilities Participating in Phase III Oncology Trials

Deze studie brengt wereldwijd de onderzoeksinfrastructuur voor fase III oncologische klinische studies in kaart en toont aan dat de beschikbaarheid van deze trials direct gecorreleerd is aan het aantal onderzoekscentra, waarbij minder ontwikkelde regio's kampen met een beperkt aanbod dat grotendeels afhankelijk is van industrie-gesponsorde, multiregionale studies.

Lazar Neto, F., Costa, R. T. S., Villarino, A. F., Lazar, F., da Rocha, J. W., Moraes, F. Y., Mota, J. M.2026-02-10
🔬 oncology

Fusing Data from CT Deep Learning, CT Radiomics and Peripheral Blood Immune profiles to Diagnose Lung Cancer in a Cohort of Patients Experiencing Symptoms

Deze studie toont aan dat het fuseren van CT deep learning, radiomics en immuunprofielen uit perifeer bloed de diagnostische nauwkeurigheid van longkanker bij symptomatische patiënten significant verbetert, waarbij een AUC van 0,81 wordt bereikt vergeleken met single-modality benaderingen.

Mustapha, R., Ganeshan, B., Ellis, S., Dolcetti, L., Tharmakulasingam, M., DeSouza, K., Jiang, X., Savage, C., Lim, S. (…)2026-02-06
🔬 oncology

Evolutionary tree balance predicts disease-free survival in the TRACERx non-small cell lung cancer cohort

Door een nieuwe benadering toe te passen om de vorm van de evolutionaire boom in de TRACERx niet-kleincellige longkankercohort te kwantificeren, demonstreert deze studie dat de balans van de kloonboom een robuuste voorspeller is van de ziektevrije overleving die eerdere evolutionaire indices overtreft en suggereert dat de gelijkmatigheid van vertakking kritischer is voor klinische uitkomsten dan intratumorale heterogeniteit.

Verity, K., Noble, R. J.2026-02-04