MétaCan
Menu
Retour à la cohorte
Enregistrement W4407866630 · doi:10.1158/2326-6074.io2025-b054

Abstract B054: Immune checkpoint inhibitor-induced myocarditis and myocarditis-myositis overlap syndrome: identifying distinct molecular pathways for targeted therapeutic interventions

2025· article· en· W4407866630 sur OpenAlexaffabout
Steph A. Pang, Manuel Flores Molina, Paméla Thébault, Yuming Zheng, Hsiang Chou, Christophe Gonçalves, Jingtao Wang, Sabin Filimon, Paulo Nunes Filho, Mariana Pilon Capella, Khashayar Esfahani, Caroline Michel, Jun Ding, Sonia V. del Rincón, Marie Hudson, Réjean Lapointe, Wilson H. Miller

Notice bibliographique

RevueCancer Immunology Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensChristie (Canada)McGill University Health CentreCentre Hospitalier de l’Université de MontréalMcGill UniversityJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésMyocarditisMyositisMedicineImmunotherapyImmune checkpointImmunologyImmune systemInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Myocarditis from immune checkpoint inhibition (ICI) has been reported in 0.04-1.14% of patients on ICI, with mortality up to 50%. ICI-Myocarditis frequently overlaps with ICI-Myositis, and overlap is associated with increased mortality. Diagnosis and clinical management of concurrent myocarditis and myositis remains an unmet clinical challenge. We present the Montreal Immune-Related Adverse Events myocarditis project, which examines cellular and molecular drivers of ICI-myocarditis ± myositis. Methods: Our case-control study comprises 3 groups of patients on ICI: 1) ICI-myocarditis; 2) ICI-myocarditis-myositis overlap; and 3) controls without immune-related adverse events (irAEs) matched by tumor type, sex, and age. We analyzed blood prior to ICI, at time of myocarditis, and 3-6 months after ICI initiation. We developed a multiomics pipeline, spanning cytokine profiling on plasma using a 30-plex cytokine assay, multiplex proteomics analysis on plasma using the SomaScan 11K Assay, multiplexed single cell imaging technology, and spatial transcriptomics. Results: Of 560 patients treated with ICI in our biobank, 24 (4.3%) had ICI-myocarditis, of which 19 had samples that were included in this study. Nine of them had myocarditis-myositis. Five patients developed arrhythmias, but there were no major cardiac adverse events or deaths from myocarditis. Ten patients had concurrent irAE. All 19 patients were treated with steroids. Other treatments included mycophenolate (6 patients), tofacitinib (4 patients), plasmapheresis (4 patients), intravenous immunoglobulin (4 patients) and alemtuzumab (1 patient). Cytokine profiling of 13 ICI-myocarditis cases and controls demonstrated significant elevations of IP10, IL10, IL15 and IL13 at time of myocarditis. Multiplex proteomics assay demonstrated that ICI-myocarditis and ICI-myocarditis-myositis are phenotypically distinct, with higher levels of cardiomyocyte/skeletal myocyte-related proteins and IFN-gamma-induced proteins and increased interleukin-6-driven JAK-STAT3 signaling in ICI-myocarditis-myositis, compared to ICI-myocarditis. Additionally, patients who developed myocarditis with or without myositis had significantly decreased pre-ICI plasma levels of paired immunoglobin like type 2 receptor alpha (PILRA) compared to controls. Pathway analysis showed increased upregulation of genes known to contribute to hypertrophic cardiomyopathy, dilated cardiomyopathy and arrhythmogenic right ventricular cardiomyopathy, in ICI-myocarditis/myositis compared to ICI-myocarditis alone. Spatial transcriptomics and mapping of infiltrating and tissue cells on biopsies of ICI-myocarditis, ICI-myositis and controls is ongoing. Conclusions: Our multiomics analyses of ICI-myocarditis revealed that the plasma proteome is significantly altered during myocarditis/myositis overlap, exhibiting stronger IFNg signatures and IL6 JAK STAT3 signaling, compared to ICI-myocarditis alone. Advancing our understanding of ICI-myocarditis ± myositis allows to design screening strategies, facilitate diagnosis and optimize treatment. Citation Format: Steph A. Pang, Manuel Flores Molina, Paméla Thébault, Yuming Zheng, Hsiang Chou, Christophe Goncalves, Jingtao Wang, Sabin Filimon, Paulo Nunes Filho, Mariana Pilon Capella, Khashayar Esfahani, Caroline M Michel, Jun Ding, Sonia V. Del Rincón, Marie Hudson, Réjean Lapointe, Wilson H Miller, Jr. Immune checkpoint inhibitor-induced myocarditis and myocarditis-myositis overlap syndrome: identifying distinct molecular pathways for targeted therapeutic interventions [abstract]. In: Proceedings of the AACR IO Conference: Discovery and Innovation in Cancer Immunology: Revolutionizing Treatment through Immunotherapy; 2025 Feb 23-26; Los Angeles, CA. Philadelphia (PA): AACR; Cancer Immunol Res 2025;13(2 Suppl):Abstract nr B054.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,083
Tête enseignante GPT0,396
Écart entre enseignants0,313 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer Immunology ResearchMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207