Máj- és epeúti rák: ki dolgozik rajta

Intézményenként egy kártya. Szűrhetsz célpontra, országra, vagy csak az EU-13 (Horizon Europe felzárkózó) országok intézményeire.

• Minden célpont
• PD-1 91
• PD-L1 51
• TP53 3
• PI3K 0
• mTOR 1
• AKT 0
• STAT3 1
• VEGF 20
• FGFR 22
• GPC3 38
• CTNNB1 5
• YAP 0
• MAPK 0
• HER2 28
• NRF2 0
• HIF-1 0
• PPAR 0
• ERK 0
• AMPK 0
• STING 0
• EGFR 8
• CTLA-4 19
• MYC 0
• IDH 6
• JAK 0
• JNK 0
• PTEN 0
• KRAS 8
• GPX4 0
• BCL-2 0
• HSP90 0
• IL-6 1
• PSMA 8
• MET 1
• GLP-1 1
• BRAF 3
• EZH2 0
• NLRP3 0
• CLDN18 10
• MEK 0
• B7-H3 5
• COX-2 0
• HDAC 0
• CXCR4 0
• HMGB1 0
• METTL3 0
• SIRT1 0
• TLR4 0
• MMP-9 0
• TNF 0
• PARP 2
• PCSK9 0
• TIGIT 2
• TIM-3 1
• IL-17 0
• RAS 2
• SGLT2 0
• CD47 0
• CDK4/6 0
• IL-15 2

Az EU-13 szűrő, nem rangsor: csak szűkíti a listát.

9+ intézményből 9, a friss publikációk és a nyitott vizsgálatok szerint rendezve. Ez nem minőségi rangsor.

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

• Visszavonták

  A Phase II Study of Adjuvant Immunotherapy Targeting KRAS G12D, KRAS G12V, or TP53 R175H for Participants With Advanced Gastrointestinal Malignancies

  NCT06690281· National Cancer Institute (NCI)· Frissítve: 2025. szept. 11.

  “PI left NIH.”A regiszter szövege, változtatás nélkül. Forrás

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

• A Phase II Study of Adjuvant Immunotherapy Targeting KRAS G12D, KRAS G12V, or TP53 R175H for Participants With Advanced Gastrointestinal Malignancies

  NCT06690281· National Cancer Institute (NCI)· Forrás

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

• Single-Cell Analysis 109
• Organoids 40
• Mendelian Randomization Analysis 38
• CRISPR-Cas Systems 33
• Gene Expression Profiling 281
• Sequence Analysis, RNA 20
• Whole Genome Sequencing 9
• Exome Sequencing 19
• Proteomics 119
• Metabolomics 71
• Mass Spectrometry 23
• Flow Cytometry 66
• Immunohistochemistry 125
• Liquid Biopsy 34
• Circulating Tumor DNA 41
• Xenograft Model Antitumor Assays 440
• Positron-Emission Tomography 33
• Magnetic Resonance Imaging 374
• Machine Learning 197
• Deep Learning 114
• Cohort Studies 182
• Genome-Wide Association Study 41

• Artificial Intelligence in Gallbladder Carcinoma: A Review of Research Studies and Clinical Evidence.

  J Gastrointest Cancer, 2026. nov.

• Artificial intelligence in hepatitis: Advances in diagnosis, treatment optimization, and prognostic prediction.

  J Int Med Res, 2026. okt.

• ITO-based multi-band metasurface absorber for early detection of hepatic cancer through deep learning.

  Opt Express, 2026. okt.

• Deep learning-based CNN method for fiducial marker detection in kilovoltage X-ray images for liver tumor motion monitoring.

  Med Phys, 2026. okt.

• Radiomics and deep learning for immune checkpoint inhibitor outcomes: imaging-derived immune phenotyping and clinical translation across solid tumors.

  Front Immunol, 2026. szept.

• Development and external validation of an interpretable deep learning model for early immune-related adverse events in hepatocellular carcinoma.

  Front Immunol, 2026. szept.

• An MRI-Based Intratumoral and Peritumoral 2.5D Deep Learning Model for Predicting P53-Mutated Hepatocellular Carcinoma: A Two-Center Study.

  Technol Cancer Res Treat, 2026. szept.

• Deep learning CT signature for predicting early liver metastases in pancreatic ductal adenocarcinoma.

  Nat Commun, 2026. szept.

• Interpretable prediction of macrotrabecular-massive HCC and recurrence-free survival by integrating MRI LI-RADS features with deep learning habitat radiomics.

  Eur Radiol Exp, 2026. szept.

• A Vision Transformer- and Radiomics-based Model for Predicting Liver Metastasis-Free Survival in Patients with Rectal Cancer.

  Radiol Imaging Cancer, 2026. szept.

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