MétaCan
Menu
Retour à la cohorte
Enregistrement W4402984897 · doi:10.3390/curroncol31100434

Personalized Immunotherapy Achieves Complete Response in Metastatic Adenoid Cystic Carcinoma Despite Lack of Conventional Biomarkers

2024· article· en· W4402984897 sur OpenAlexvenueno aff
Ünal Metin Tokat, Ashkan Adibi, Esranur Aydın, Eylül Özgü, Şevval Nur Bilgiç, Onur Tutar, Merve Özbek Doğançay, İrem Demiray, Mutlu Demiray

Notice bibliographique

RevueCurrent Oncology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSalivary Gland Tumors Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesFoundation Medicine
Mots-clésMedicineAdenoid cystic carcinomaImmunotherapyFrameshift mutationCancer researchOncologyTargeted therapyInternal medicineCancerCarcinomaMutationBiology

Résumé

récupéré en direct d'OpenAlex

There is currently no effective treatment strategy for recurrent/metastatic adenoid cystic carcinoma (R/M ACC). Furthermore, recent single-agent and combination immunotherapy trials have failed in unselected ACC cohorts, unlike non-ACC salivary gland cancers. Genomic profiling revealed no actionable targets but NOTCH1 and KDM6A frameshift and CTCF splice site mutations (no MYB/L fusion) with a low tumor mutational burden (TMB), microsatellite stable (MSS) and negative programmed death ligand 1 (PD-L1) were observed. We recommended an anti-programmed cell death protein 1 (anti-PD-1) plus anti-Cytotoxic T-lymphocyte-associated protein 4 (anti-CTLA-4) combination based on TMB 2-fold greater-than-median TMB in ACC, tumor harboring multiple immunogenic frameshift or splice site mutations, and PD-L1 negativity. Accordingly, we achieved a complete response in a radiotherapy (RT) and chemotherapy (CT)-refractory patient with locally recurrent lacrimal gland (LG) ACC and lung metastasis following personalized immunotherapy in combination with integrative therapeutics. Therefore, it is crucial to assess not only conventional immune biomarkers but also patient-specific parameters, especially in “immune-cold” cancer types.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,175
Tête enseignante GPT0,434
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetSalivary Gland Tumors Diagnosis and TreatmentTravaux en français237 207