Immune biomarkers of response to immune-checkpoint inhibitors in head and neck squamous cell carcinoma
Notice bibliographique
Résumé
Anti-programmed cell death protein 1 (PD-1) agents have become the standard of care for platinum-refractory recurrent/metastatic head and neck squamous cell carcinoma (HNSCC) and are currently being evaluated in various disease settings. However, despite the gain in overall survival seen in some of the clinical trials, the majority of patients display primary resistance and do not benefit from these agents. Taking into consideration the potentially severe immune-related toxicities and their high cost, the search for predictive biomarkers of response is crucial. Besides Programmed death ligand-1 (PD-L1) expression, other biomarkers such as immune infiltration, tumor mutational burden or immune-gene expression profiling have been explored, but none of them has been validated in this disease. Among these, the microbiota has recently garnered tremendous interest since it has proven to influence the efficacy of PD-1 blockade in some tumor types. With the accumulating evidence on the effect of the microbiota in HNSCC tumorigenesis and progression, the study of its potential role as a predictive immune biomarker is warranted. This review examines the available evidence on emerging immune predictive biomarkers of response to anti-PD-1/PD-L1 therapy in HNSCC, introducing the microbiota and its potential use as a predictive immune biomarker in this disease.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».