Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

Targeted Cancer Therapies

Targeted Cancer Therapies

The targeted cancer therapies, also known as “molecular targeted therapies,” take advantage of the molecular and genetic differences between the cancer cells and the normal cells. It needs a thorough understanding of the cancer cells to develop drugs that can target specific molecular aspects that drive the growth, progression, and spread of cancer cells without affecting the growth and survival of other normal cells in the body.
There are several types of targeted therapies against...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Emphysematous cystitis: imaging patterns and diagnostic approach on CT.

Emergency radiology·2026

Same author

From Bench to Bedside: The Path Toward Real-World Translation for Artificial Intelligence in Pancreatic Cancer Detection.

Korean journal of radiology·2026

Same author

Altered renal corticomedullary differentiation on CT, Part I: A pictorial review of non-neoplastic causes.

Emergency radiology·2026

Same author

Altered renal corticomedullary differentiation on CT, Part II: a pictorial review of malignant causes.

Emergency radiology·2026

Same author

A plasma-based DNA test for quantification of disease burden in acute myeloid leukemia patients undergoing bone marrow transplantation.

Proceedings of the National Academy of Sciences of the United States of America·2026

Same author

Hyperplasia Functions as a Link between Obesity and Cancer.

Cancer research·2026

Same journal

Type II JAK2 Inhibitor Gets Off to a Strong Start.

Cancer discovery·2026

Same journal

Pancreatic Cancer: Translating Tumor Biology into Actionability.

Cancer discovery·2026

Same journal

Reconsidering Cancer Therapy through the Lens of Biomolecular Condensates.

Cancer discovery·2026

Same journal

The Promise of Machine Learning-Based Population Screening for Hepatocellular Carcinoma.

Cancer discovery·2026

Same journal

Spatially Resolved Proteomic Cartography Illuminates the Earliest Molecular Programs in Pancreatic Cancer Evolution.

Cancer discovery·2026

Same journal

Oral Regimens for AML Make Strides.

Cancer discovery·2026

Ver todos los artículos relacionados

Search research articles

Video Experimental Relacionado

Updated: Sep 10, 2025

Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence

Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence

Published on: June 10, 2025

Traducir los avances de la inteligencia artificial en avances en el diagnóstico del cáncer

Juan M Lavista Ferres¹, Elliot K Fishman², Ed Catmull³

¹AI For Good, MIcrosoft Research Lab, Redmond, California.

Cancer discovery

|August 20, 2025

Resumen

Este resumen es generado por máquina.

La inteligencia artificial (IA) tiene un gran potencial en el diagnóstico oncológico, pero se enfrenta a ocho desafíos clave. Abordar estas cuestiones es crucial para integrar la IA en la atención clínica del cáncer.

Más Videos Relacionados

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Published on: July 11, 2025

Microfluidic Co-Culture Models for Dissecting the Immune Response in in vitro Tumor Microenvironments

Microfluidic Co-Culture Models for Dissecting the Immune Response in in vitro Tumor Microenvironments

Published on: April 30, 2021

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence

Detection and Isolation of Cancer in Prostate Biopsies Using Stimulated Raman Histology and Artificial Intelligence

Published on: June 10, 2025

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Published on: July 11, 2025

Microfluidic Co-Culture Models for Dissecting the Immune Response in in vitro Tumor Microenvironments

Microfluidic Co-Culture Models for Dissecting the Immune Response in in vitro Tumor Microenvironments

Published on: April 30, 2021

Área de la Ciencia:

En el campo de la oncología
Inteligencia artificial
Diagnóstico médico

Sus antecedentes:

La inteligencia artificial (IA) está transformando varios campos, sin embargo, su aplicación clínica en oncología sigue siendo limitada.
Existen oportunidades significativas para que la IA mejore el diagnóstico del cáncer y la atención al paciente.

Objetivo del estudio:

Identificar y elaborar los desafíos críticos que obstaculizan la traducción clínica de la IA en el diagnóstico oncológico.
Proporcionar una hoja de ruta para superar estos obstáculos y facilitar la adopción de la IA en el cuidado del cáncer.

Principales métodos:

Una revisión enfocada y una discusión de expertos que identifiquen las barreras clave para la implementación de la IA en oncología.
Categoría de desafíos específicamente relacionados con las aplicaciones de diagnóstico de la IA en el cáncer.

Principales resultados:

Se identificaron ocho desafíos principales que impiden la integración de la IA en el diagnóstico oncológico.
Estos desafíos abarcan áreas como la calidad de los datos, la validación del modelo, la integración del flujo de trabajo clínico y la aprobación reglamentaria.

Conclusiones:

Superar los desafíos identificados es esencial para realizar todo el potencial de la IA en oncología.
Abordar estos obstáculos centrados en el diagnóstico allanará el camino para la adopción generalizada de la IA en entornos clínicos de cáncer.