Vesedaganat: ki dolgozik rajta

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

• Minden célpont
• PD-1 21
• PD-L1 11
• VEGF 10
• mTOR 1
• AKT 0
• VHL 6
• PI3K 0
• PSMA 10
• STAT3 0
• BAP1 1
• TP53 0
• JAK 0
• CTLA-4 4
• STING 1
• ALK 1
• EGFR 3
• TFEB 0
• ERK 0
• MYC 0
• HIF-1 0
• YAP 0
• AMPK 0
• MET 2
• B7-H3 2
• CTNNB1 0
• MAPK 0
• PPAR 0
• FGFR 1
• GLP-1 0
• GPC3 3
• HER2 2
• MMP-9 0
• PARP 1
• AXL 1
• BCL-2 0
• EZH2 0
• IDH 1
• IL-6 0
• NTRK 0
• PTEN 0
• BRAF 1
• CD19 1
• CDKN2A 0
• JNK 0
• KRAS 1
• LAG-3 0
• METTL3 1
• NLRP3 0
• NRF2 0
• PKM2 0
• ROS1 0
• TNF 0
• APOE 0
• BRCA1 0
• BRCA2 0
• BRD4 0
• CD20 0
• CDK4/6 0
• DPP-4 0
• FOXP3 0

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

5+ intézményből 5, 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.

• Leállították

  Study of PF-07265807 in Participants With Metastatic Solid Tumors.

  NCT04458259· Pfizer· Frissítve: 2026. jún. 4.

  “Pfizer has made an internal business decision to not continue further development of PF-07265807. This decision was not due to major safety concerns or requests from any regulatory authorities.”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 36
• Organoids 4
• Mendelian Randomization Analysis 22
• CRISPR-Cas Systems 8
• Gene Expression Profiling 94
• Sequence Analysis, RNA 2
• Whole Genome Sequencing 6
• Exome Sequencing 10
• Proteomics 25
• Metabolomics 11
• Mass Spectrometry 3
• Flow Cytometry 11
• Immunohistochemistry 95
• Liquid Biopsy 6
• Circulating Tumor DNA 8
• Xenograft Model Antitumor Assays 76
• Positron-Emission Tomography 13
• Magnetic Resonance Imaging 60
• Machine Learning 70
• Deep Learning 36
• Cohort Studies 67
• Genome-Wide Association Study 19

• Survival prediction for clear cell renal cell carcinoma based on deep multimodal synergistic survival network.

  Phys Med Biol, 2026. szept.

• Automatic Kidney Image Segmentation During Robot-Assisted Partial Nephrectomy Using a Deep Learning Model Based on a Multiannotator Dataset: Model Development and Validation Study.

  JMIR Med Inform, 2026. szept.

• Artificial intelligence empowers full-stack histopathological diagnosis and prognosis of renal cell tumor: a multi-center study with external validation.

  BMC Med, 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.

• Development of an Artificial Intelligence-Driven Three-Dimensional Reconstruction Model of Renal Vasculature for Surgical Planning in Robot-Assisted Partial Nephrectomy.

  Int J Med Robot, 2026. aug.

• Construction and clinical validation of a cascaded deep learning system for classification of benign and malignant solid small renal masses based on MRI.

  Eur J Radiol, 2026. júl.

• Evaluating Gates' GFR accuracy in renal tumor patients through integration of standalone CT-derived renal depth estimation via deep learning segmentation: a preliminary study.

  BMC Nephrol, 2026. júl.

• A lightweight ResNet50V2-ECA model for renal cell carcinoma grading: efficiency, calibration, and state-of-the-art performance.

  Sci Rep, 2026. jún.

• Multiscale Prediction of Tumor Micronecrosis and Progression in Clear Cell Renal Cell Carcinoma Based on Artificial Intelligence: A Multicenter Cohort Study.

  Acad Radiol, 2026. jún.

• Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy.

  Nat Commun, 2026. máj.

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