Immunotherapy for Lung Cancer: Has it Finally Arrived?
Notice bibliographique
Résumé
The possible link between infection/inflammation/immune activation and a cancer patient's outcome from both a causative and outcome point of view has long been postulated. Substantial progress in the understanding of tumor-associated antigens/epitopes, immune cellular subpopulations, cytokine pathways/expression, the tumor microenvironment, and the balance between tumor-immune suppression and stimulation have been made over the past decade. This knowledge has heralded a new era of tumor immunotherapy utilizing vaccines, immune checkpoint inhibition, and oncolytic viruses. Despite significant progress in the molecular era now with targeted therapeutics such as EGFR tyrosine kinase inhibitors and ALK fusion protein inhibitors that have significantly improved the outcome of these specific lung cancer subpopulations, the overall 5 year survival for all non-small cell lung cancer (NSCLC) is still <20%. Unlike malignancies such as malignant melanoma, renal cell carcinoma, and neuroblastoma given their documented spontaneous remission rates lung cancer historically has been felt to be resistant to immune approaches likely related to an immunosuppressive tumor microenvironment and/or lack of immune recognition. Defining responding populations, understanding the mechanism(s) underlying durable immune responses, and the role of chemotherapy, radiation, oncolytic viruses, and other tumor disrupting agents in augmenting immune responses have led to improved optimization of immune therapeutic strategies. The purpose of this review is to focus on the recent advances in lung immunotherapy with an emphasis on recent clinical trials in the last 5 years in NSCLC.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».