APOLLO11: a bio-data-driven model for clinical and translational research in lung cancer

Abstract Identifying predictive and resistance biomarkers remains one of the most relevant unmet needs in clinical cancer research. Artificial Intelligence (AI) represents a powerful tool to develop predictive algorithms tailored to individual patients. Thanks to its ability to process large quantit...

Popoln opis

Bibliografske podrobnosti

Principais autores:	Arsela Prelaj, Leonardo Provenzano, Vanja Miskovic, Monica Ganzinelli, Laura Mazzeo, Maria Gemelli, Cecilia Silvestri, Andrea Spagnoletti, Rebecca Romanò, Marta Brambilla, Mario Occhipinti, Teresa Beninato, Paolo Ambrosini, Elisa Sottotetti, Margherita Favali, Aleksandra Zec, Alberto Ferrarin, Giulia Corrao, Marco Meazza Prina, Margherita Ruggirello, Moreno Bruno Marino, Andra Diana Dumitrascu, Rosa Maria Di Mauro, Claudia Giani, Chiara Cavalli, Roberta Serino, Chiara Catania, Antonella Panzardi, Giulio Metro, Chiara Bennati, Roberto Ferrara, Marianna Macerelli, Alberto Servetto, Maria Silvia Cona, Nicla La Verde, Luca Toschi, Paolo Baili, Federica Corso, Emanuela Zito, Saverio Cinieri, Rossana Berardi, Giovanni Scoazec, Alessandro Inno, Stefania Gori, Salvatore Pisconti, Federica Buzzacchino, Matteo Brighenti, Federica Biello, Alfredo Tartarone, Giancarlo Pruneri, Antonino Belfiore, Luca Agnelli, Alessandro Guidi, Luca Invernizzi, Noemi Salmistraro, Andrea Riccardo Filippi, Piergiorgio Solli, Giulia Galli, Daniele Lorenzini, Elio Gregory Pizzutilo, Filippo De Braud, Alessandra Pedrocchi, Francesco Trovò, Carlo Genova, Carminia Maria Della Corte, Giuseppe Viscardi, Marina Chiara Garassino, Alessio Cortellini, Emanuele Mingo, Marco Russano, Diego Signorelli, Claudia Proto, Andrea Vingiani, Sabina Sangaletti, Giuseppe Lo Russo, the APOLLO11 study group
Format:	Artigo
Jezik:	Inglês
Izdano:	Nature Portfolio 2026-01-01
Serija:	npj Precision Oncology
Online dostop:	https://doi.org/10.1038/s41698-026-01295-3
Oznake:	Označite Brez oznak, prvi označite!