Art of TIL immunotherapy: SITC’s perspective on demystifying a complex treatment
Notice bibliographique
Résumé
In a first for solid cancers, cellular immunotherapy has entered standard of care in the treatment of patients with metastatic melanoma. The infusion of autologous tumor-infiltrating T lymphocytes (TIL) is capable of mediating durable tumor regression and is now Food and Drug Administration-approved for patients with disease refractory to immune checkpoint inhibitors. Since the advent of chimeric antigen receptor (CAR) T cells for patients with hematological malignancies, a growing network of centers capable of delivering effector T cell products to patients has developed. Administration of TIL can be layered onto that institutional framework, but there are many complex and unique aspects to TIL immunotherapy. The highly multidisciplinary clinical expertise and coordination required to successfully and safely deliver TIL to patients began within the National Cancer Institute Surgery Branch and have been subsequently adopted worldwide. The general steps, most of which require hospital inpatient resources, include a surgical procedure to harvest sufficient tumor for TIL manufacturing, admission for non-myeloablative lymphodepleting chemotherapy followed by TIL, and intravenous interleukin-2 (IL-2, aldesleukin). Here, we provide the principles, practice, and required resources underlying the efficient and safe delivery of TIL immunotherapy derived from the clinical expertise of high-volume centers around the world. This article enhances published clinical practice guidelines by providing underlying clinical rationale and data-driven examples to demystify TIL immunotherapy in order to facilitate uptake and improve patient access to this promising treatment modality in clinical and research settings.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».