Gyermekkori daganatok: ki dolgozik rajta

Intézményenként egy kártya. Célpontra vagy országra szűkítheted a listát.

• Minden célpont
• CD19 98
• TP53 8
• PD-1 24
• MYCN 0
• ALK 13
• CD22 30
• BRAF 12
• ABL1 2
• NF1 12
• HER2 25
• PI3K 5
• AKT 1
• PD-L1 13
• CDK4/6 7
• NTRK 10
• NMDA 0
• B7-H3 15
• mTOR 2
• RB1 1
• PSMA 20
• KMT2A 12
• MEK 7
• FLT3 6
• MAPK 5
• CD30 8
• RUNX1 3
• VEGF 5
• IDH 6
• MYC 1
• RET 4
• CD20 12
• ERK 0
• PTEN 2
• CD123 10
• NPM1 9
• EGFR 2
• CTNNB1 2
• FGFR 3
• STAT3 0
• BRCA1 1
• BCL-2 2
• KIT 3
• ROS1 9
• CD33 7
• NRF2 0
• PARP 6
• PPAR 0
• YAP 0
• CD38 5
• EZH2 0
• RAS 1
• JAK 4
• JNK 0
• SNCA 0
• BRCA2 2
• CTLA-4 4
• KRAS 3
• MET 4
• NRAS 0
• VHL 5

Funded research projects that name this disease in their title, terms or summary and have not ended yet: who is funded, where, how much and until when. Organisations only; the funder's page has the details.

No running funded project names this disease yet.

Sources: NIH RePORTER (U.S. National Institutes of Health, public domain) and CORDIS (European Commission, CC BY 4.0). Changes: filtered by disease, organisations matched to ROR.

Leállított, visszavont és felfüggesztett vizsgálatok, a szponzor által a regiszterben megadott okkal, szó szerint idézve.

• Leállították

  A Long-term Follow-up Study of Patients Who Received VOR33

  NCT05309733· Vor Biopharma· Frissítve: 2025. júl. 29.

  “Lack of Funding”A regiszter szövege, változtatás nélkül. Forrás

• Visszavonták

  Optimized Dual CD33/CLL1 CAR T Cells in Subjects With Refractory or Relapsed Acute Myeloid Leukemia

  NCT05248685· Beijing Boren Hospital· Frissítve: 2025. jún. 11.

  “no patients”A regiszter szövege, változtatás nélkül. Forrás

Vizsgálatok, amelyek regiszteradata szerint az egyéni résztvevői adatokat (IPD) megosztják.

Ebben a nézetben egy vizsgálat sem jelzi, hogy megosztaná a résztvevői adatokat.

Publikációk erről a betegségről egy MeSH-módszerkifejezés szerint, például szekvenálási vagy képalkotó módszerre.

• Single-Cell Analysis 38
• Organoids 15
• Mendelian Randomization Analysis 12
• CRISPR-Cas Systems 15
• Gene Expression Profiling 125
• Sequence Analysis, RNA 20
• Whole Genome Sequencing 22
• Exome Sequencing 31
• Proteomics 52
• Metabolomics 25
• Mass Spectrometry 13
• Flow Cytometry 87
• Immunohistochemistry 197
• Liquid Biopsy 25
• Circulating Tumor DNA 15
• Xenograft Model Antitumor Assays 134
• Positron-Emission Tomography 52
• Magnetic Resonance Imaging 520
• Machine Learning 67
• Deep Learning 25
• Cohort Studies 328
• Genome-Wide Association Study 22

• Early Prediction of Cardiomyopathy in Pediatric Cancer Survivors Using Echocardiographic Video-Based Deep Learning.

  Echocardiography, 2026. okt.

• [Multicenter study of deep learning multitask model for predicting neoadjuvant chemotherapy response and event-free survival of pediatric head and neck rhabdomyosarcoma].

  Zhonghua Er Bi Yan Hou Tou Jing Wai Ke Za Zhi, 2026. szept.

• Biallelic loss of RB1 in hepatocellular carcinoma as synthetic lethal target for artificial intelligence-guided therapy.

  Signal Transduct Target Ther, 2026. aug.

• TFE3-DualNet: An Interpretable Foundation Model-Based Deep Learning Ensemble for Diagnosing TFE3-Rearranged Renal Cell Carcinoma From Whole-Slide Images in a Two-Center Cohort.

  Cancer Med, 2026. aug.

• Deep learning-based automated segmentation of target volumes for pediatric craniospinal irradiation in proton therapy.

  Radiat Oncol, 2026. júl.

• Deep learning for contrast-enhanced MRI in pediatric brain imaging.

  Neuroradiology, 2026. júl.

• The role of machine learning, deep learning, and MRI findings in the classification of pediatric posterior fossa tumors.

  Childs Nerv Syst, 2026. jún.

• Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm.

  BMC Med Imaging, 2026. máj.

• A novel deep-learning approach for monitoring gastrointestinal air variation during radiotherapy in young patients using radiographs.

  Phys Med Biol, 2026. máj.

• Deep Learning-Based Analysis of Gene Expression Data and Gene-Related Information in Pediatric Surgical Oncology: A Scoping Review.

  Cancer Med, 2026. máj.

Megmutatjuk, a betegség mely célpontjait említi az absztrakt, és onnan a rajtuk dolgozókhoz jutsz.