Advancing autoimmune Rheumatic disease treatment: CAR-T Cell Therapies - Evidence, Safety, and future directions
Notice bibliographique
Résumé
INTRODUCTION: Despite advancements in managing autoimmune rheumatic diseases (ARDs) with existing treatments, many patients still encounter challenges such as inadequate responses, difficulty in maintaining remission, and side effects. Chimeric Antigen Receptor (CAR) T-cell therapy, originally developed for cancer, has now emerged as a promising option for cases of refractory ARDs. METHODS: A search of the literature was conducted to compose a narrative review exploring the current evidence, potential safety, limitations, potential modifications, and future directions of CAR-T cells in ARDs. RESULTS: CAR-T cell therapy has been administered to patients with refractory ARDs, including systemic lupus erythematosus, antisynthetase syndrome, and systemic sclerosis, demonstrating significant improvement. Notable responses include enhanced clinical symptoms, reduced serum autoantibody titers, and sustained remissions in disease activity. Preclinical and in vitro studies using both animal and human samples also support the efficacy and elaborate on potential mechanisms of CAR-T cells against antineutrophil cytoplasmic antibody-associated vasculitis and rheumatoid arthritis. While cautious monitoring of adverse events, such as cytokine release syndrome, is crucial, the therapy appears to be highly tolerable. Nevertheless, challenges persist, including cost, durability due to potential CAR-T cell exhaustion, and manufacturing complexities, urging the development of innovative solutions to further enhance CAR-T cell therapy accessibility in ARDs. CONCLUSIONS: CAR-T cell therapy for refractory ARDs has demonstrated high effectiveness. While no significant warning signs are currently reported, achieving a balance between therapeutic efficacy and safety is vital in adapting CAR-T cell therapy for ARDs. Moreover, there is significant potential for technological advancements to enhance the delivery of this treatment to patients, thereby ensuring safer and more effective disease control for patients.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».