Efforts to predict disease progress

Efforts to predict disease progression in SMM have led to the development of integrated genetic models. Notably, the IMWG 2020 model sought to incorporate genetic data, including fluorescence in situ hybridization (FISH) results, such as t(4;14), t(14;16), +1q, del(13p), and monosomy 13[16]. However, current risk stratification models still struggle to capture the full spectrum of SMM progression, as even patients categorized as low to intermediate risk can experience disease progression.

ผลลัพธ์ (ไทย) 1:

ความพยายามในการทำนายการลุกลามของโรคใน SMM ได้นำไปสู่การพัฒนาแบบจำลองทางพันธุกรรมแบบบูรณาการ โดยเฉพาะอย่างยิ่ง แบบจำลอง IMWG 2020 พยายามที่จะรวมข้อมูลทางพันธุกรรม ซึ่งรวมถึงผลลัพธ์ของฟลูออเรสเซนซ์ในแหล่งกำเนิดลูกผสม (FISH) เช่น t(4;14), t(14;16), +1q, del(13p) และ monosomy 13[ 16]. อย่างไรก็ตาม แบบจำลองการแบ่งชั้นความเสี่ยงในปัจจุบันยังคงประสบปัญหาในการจับภาพความก้าวหน้าของ SMM อย่างเต็มรูปแบบ เนื่องจากแม้แต่ผู้ป่วยที่จัดว่ามีความเสี่ยงต่ำถึงปานกลางก็สามารถประสบกับการลุกลามของโรคได้

ผลลัพธ์ (ไทย) 2:

ความพยายามในการทำนายความก้าวหน้าของโรค SMM นำไปสู่การพัฒนาแบบจำลองทางพันธุกรรมที่ครอบคลุม เป็นที่น่าสังเกตว่าแบบจำลอง IMWG 2020 พยายามที่จะรวมข้อมูลทางพันธุกรรมรวมถึงผลการผสมพันธุ์ในแหล่งกำเนิดแสง (FISH) เช่น t (4; 14), t (14; 16), + 1q, del (13p) และ monomer 13 [16] อย่างไรก็ตาม แบบจำลองการแบ่งชั้นความเสี่ยงในปัจจุบันยังคงยากที่จะจับภาพความก้าวหน้าของ SMM ได้เต็มสเปกตรัม เนื่องจากแม้แต่ผู้ป่วยที่จัดว่ามีความเสี่ยงต่ําถึงปานกลางก็สามารถประสบกับความก้าวหน้าของโรคได้

ผลลัพธ์ (ไทย) 3:

ที่SMMความพยายามในการทํานายความก้าวหน้าของโรคได้นําไปสู่การพัฒนารูปแบบทางพันธุกรรมที่ครอบคลุม เป็นที่น่าสังเกตว่าโมเดลIMWG 2020พยายามที่จะรวมข้อมูลทางพันธุกรรมรวมถึงผลการผสมผสานของฟลูออเรสเซนต์ในสถานที่เช่นt ( 4; 14 , t; 16 ) + 1 q,del ( 13 p )และmonomer 13 [ 16 ] อย่างไรก็ตามรูปแบบการจัดลําดับความเสี่ยงในปัจจุบันยังคงเป็นเรื่องยากที่จะจับภาพขอบเขตความก้าวหน้าของSMMเนื่องจากแม้แต่ผู้ป่วยที่มีความเสี่ยงต่ําถึงปานกลางอาจมีความก้าวหน้าของโรค