Autologous T cell therapy for MAGE-A4+ solid cancers in HLA-A*02+ patients: a phase 1 trial
Notice bibliographique
Résumé
Affinity-optimized T cell receptors can enhance the potency of adoptive T cell therapy. Afamitresgene autoleucel (afami-cel) is a human leukocyte antigen-restricted autologous T cell therapy targeting melanoma-associated antigen A4 (MAGE-A4), a cancer/testis antigen expressed at varying levels in multiple solid tumors. We conducted a multicenter, dose-escalation, phase 1 trial in patients with relapsed/refractory metastatic solid tumors expressing MAGE-A4, including synovial sarcoma (SS), ovarian cancer and head and neck cancer ( NCT03132922 ). The primary endpoint was safety, and the secondary efficacy endpoints included overall response rate (ORR) and duration of response. All patients (N = 38, nine tumor types) experienced Grade ≥3 hematologic toxicities; 55% of patients (90% Grade ≤2) experienced cytokine release syndrome. ORR (all partial response) was 24% (9/38), 7/16 (44%) for SS and 2/22 (9%) for all other cancers. Median duration of response was 25.6 weeks (95% confidence interval (CI): 12.286, not reached) and 28.1 weeks (95% CI: 12.286, not reached) overall and for SS, respectively. Exploratory analyses showed that afami-cel infiltrates tumors, has an interferon-γ-driven mechanism of action and triggers adaptive immune responses. In addition, afami-cel has an acceptable benefit-risk profile, with early and durable responses, especially in patients with metastatic SS. Although the small trial size limits conclusions that can be drawn, the results warrant further testing in larger studies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».