Notice bibliographique
Résumé
Besides limited success in treatment of melanoma and renal cell carcinoma, immune treatments of cancer (cancer immunotherapy) had not until recently met the great expectations associated with them over the years. This failure appears now to be reversed with the introduction of checkpoint (immune blockade) inhibitors. Two receptor-ligand checkpoint inhibition pairs, the one based on the inhibition of inhibitory receptor cytotoxic T lymphocyte-associated antigen 4 (CTLA-4) and the other based on the inhibition of the programmed death-ligand 1/programmed cell death-1 (PD-L1/PD-1) pair have entered the clinical arena. Melanoma leads the way followed by non-small cell lung cancer (NSCLC) in both of which such drugs are already approved for clinical use. Several other cancer types will follow as trials data accumulate. Breast cancer clinical data are mixed so far and the arising picture is one of efficacy dependent on sub-types and sub-sets. This article will review available data on checkpoint molecules expression in breast cancer cells that may be one determinant factor of effective inhibition, as well as other possible biomarkers of immune blockade inhibitors effectiveness in breast cancer. Emerging data of clinical trials of immune checkpoint inhibitors in breast cancer will also be presented. Development and validation of reliable predictive markers of response to this new category of anti-cancer drugs will help optimize results and spare patients not expected to respond the toxicity and cost of the drugs. Moreover, predictive markers may advance the understanding of resistance to these therapies in order to reverse it.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».