MétaCan
Menu
Retour à la cohorte
Enregistrement W3049758264 · doi:10.1007/s00262-020-02693-7

Fingolimod and tumor-infiltrating lymphocytes in checkpoint-inhibitor treated cancer patients

2020· article· en· W3049758264 sur OpenAlexaff
Omar Hasan Ali, Fiamma Berner, Christoph Ackermann, Sandra S. Ring, Alexandre Moulin, Joachim Müller, Eva Markert, Oltin T. Pop, Stefanie Müller, Stefan Diem, Thomas Hundsberger, Lukas Flatz

Notice bibliographique

RevueCancer Immunology Immunotherapy · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversität ZürichSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésFingolimodMedicinePembrolizumabCancerMultiple sclerosisImmune systemTumor-infiltrating lymphocytesAvelumabIpilimumabMelanomaImmunotherapyOncologyInternal medicineImmunologyCancer research

Résumé

récupéré en direct d'OpenAlex

Immune checkpoint inhibitors (ICIs) are emerging as the new standard of care for treating various metastatic cancers. It is known that effective anti-tumor immune responses are associated with a stronger presence of tumor-infiltrating lymphocytes (TILs) in solid tumor tissue. Cancer patients with relapsing-remitting multiple sclerosis (RRMS) are often under continuous treatment with fingolimod, an immune-modulating drug that inhibits lymphocyte egress from secondary lymphatic organs. Little is known about the effect of fingolimod on ICI cancer therapy, as fingolimod may limit the number of TILs. Here we present three patients with RRMS, who developed various cancers during fingolimod treatment. Histology of all tumors consistently showed low numbers of TILs. A second biopsy taken from one of the tumors, a melanoma, revealed a significant increase of TILs after stopping fingolimod and starting pembrolizumab, indicating a surge in the number and re-invigoration of T cells. Our study suggests that fingolimod limits the number of TILs in solid tumors and may, thus, inhibit anti-cancer immune responses.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,272
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Immunology ImmunotherapyMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207