Current immunotherapeutic approaches to diffuse intrinsic pontine glioma
Notice bibliographique
Résumé
Diffuse intrinsic pontine glioma (DIPG) is an aggressive brain tumour that occurs in the pons of the brainstem and accounts for over 80% of all brainstem gliomas. The median age at diagnosis is 6–7 years old, with less than 10% overall survival 2 years after diagnosis and less than 1% after 5 years. DIPGs are surgically inaccessible, and radiation therapy provides only transient benefit, with death ensuing from relentless local tumour infiltration. DIPGs are now the leading cause of brain tumour deaths in children, with a societal cancer burden in years of life lost (YLL) of more than 67 per individual, versus approximately 14 and 16 YLL for lung and breast cancer respectively. More than 95 clinical drug trials have been conducted on children with DIPGs, and all have failed to improve survival. No single or combination chemotherapeutic strategy has been successful to date because of our inability to identify targeted drugs for this disease and to deliver these drugs across an intact blood-brain barrier (BBB). Accordingly, there has been an increased focus on immunotherapy research in DIPG, with explorations into treatments such as chimeric antigen receptor T (CAR-T) cells, immune checkpoint blockades, cancer vaccines, and autologous cell transfer therapy. Here, we review the most recent advances in identifying genetic factors influencing the development of immunotherapy for DIPG. Additionally, we explore emerging technologies such as Magnetic Resonance-guided Focused Ultrasound (MRgFUS) in potential combinatorial approaches to treat DIPG.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».