Checkpoint inhibitor hepatotoxicity: pathogenesis and management
Notice bibliographique
Résumé
Immunotherapy, including immune checkpoint inhibitor (ICI) therapy, has been a paradigm shift in cancer therapeutics, producing durable cancer responses across a range of primary malignancies. ICI drugs increase immune activity against tumor cells, but may also reduce immune tolerance to self-antigens, resulting in immune-mediated tissue damage. ICI-associated hepatotoxicity usually manifests as hepatocellular enzyme elevation and may occur in 2%-25% of ICI-treated patients. Although ICI-associated hepatotoxicity is clinically and pathologically distinct from idiopathic autoimmune hepatitis, our understanding of its pathogenesis continues to evolve. Pending greater understanding of the pathophysiology, mainstay of management remains through treatment with high-dose corticosteroids. This approach works for many patients, but up to 30% of patients with high-grade hepatotoxicity may not respond to corticosteroids alone. Furthermore, atypical cholestatic presentations are increasingly recognized, and rare cases of fulminant hepatitis due to ICI hepatotoxicity have been reported. Optimal management for these challenging patients remains uncertain. Herein, we review the current understanding of pathogenesis of ICI-associated toxicities, with a focus on hepatotoxicity. Based on the existing literature, we propose evolving management approaches to incorporate strategies to limit excess corticosteroid exposure, and address rare but important presentations of cholestatic hepatitis and fulminant liver failure. Finally, as ICI hepatotoxicity frequently occurs in the context of treatment for advanced malignancy, we review the impact of hepatotoxicity and its treatment on cancer outcomes, and the overall safety of re-challenge with ICI, for patients who may have limited treatment options.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».