Current Therapy for Metastatic Head and Neck Cancer: Evidence, Opportunities, and Challenges
Notice bibliographique
Résumé
Management of metastatic head and neck squamous cell carcinoma is evolving as new systemic therapies have led to improvements in survival, and as advances in locoregional therapy and the increased numbers of patients with HPV-associated cancers who develop oligometastases raise the possibility of ablation of limited numbers of metastases. We review the data regarding first-line immunotherapy in PD-L1-expressing metastatic head and neck squamous cell carcinoma, the experience with aggressive local management of oligometastases, and promising novel immunotherapies, targeted therapies, and HPV-specific treatments. For patients with metastatic head and neck squamous cell carcinoma that is PD-L1 expressing, first-line systemic therapy is pembrolizumab or pembrolizumab with chemotherapy. Inclusion of chemotherapy is associated with higher objective response proportion in all biomarker subgroups and may have a greater impact on survival in HPV-associated cancers. For patients with oligometastatic disease, particularly when metastases are metachronous, current evidence supporting the role of local ablation is limited to a small number of retrospective studies. Based on retrospective data, patients with a smaller number of metastases, lung metastases, and/or virally associated head and neck squamous cell carcinoma are most likely to benefit from an aggressive ablative approach. Additionally, we review emerging evidence for targeted therapy in metastatic head and neck squamous cell carcinoma, including with agents that inhibit mutant HRAS or NOTCH1, or overexpressed EGFR. Studies of antiangiogenic agents in combination with immune checkpoint blockade, and combination immunotherapy, are also under study.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».