Clinical significance of checkpoint regulator “Programmed death ligand-1 (PD-L1)” expression in meningioma: review of the current status
Notice bibliographique
Résumé
INTRODUCTION: Meningioma is the most common primary brain tumor. Most meningiomas are benign; however, a subset of these tumors can be aggressive, presenting with early or multiple tumor recurrences that are refractory to neurosurgical resection and radiotherapy. There is no standard systemic therapy for these patients, and post-surgical management of these patients is usually complicated due to lack of accurate prediction for tumor progression. METHODS: In this review, we summarise the crucial immunosuppressive role of checkpoint regulators, including PD-1 and PD-L1 interacting in the tumor microenvironment, which has led to efforts aimed at targeting this axis. RESULTS: Since their discovery, checkpoint inhibitors have significantly improved the outcome in many types of cancers. Currently, targeted therapy for PD-1 and PD-L1 proteins are being tested in several ongoing clinical trials for brain tumors such as glioblastoma. More recently, there have been some reports implicating increased PD-L1 expression in high-grade (WHO grades II and III) meningiomas. Several clinical trials are underway to assess the efficacy of checkpoint inhibitors in the therapeutic management of patients with aggressive meningiomas. Here, we review the immune suppressive microenvironment in meningiomas, and then focus on clinical and pathological characterization and tumor heterogeneity with respect to PD-L1 expression as well as challenges associated with the assessment of PD-L1 expression in meningioma. CONCLUSION: We conclude with a brief review of ongoing clinical trials using checkpoint inhibitors for the treatment of high-grade and refractory meningiomas.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».