Society for Immunotherapy of Cancer (SITC) consensus statement on essential biomarkers for immunotherapy clinical protocols
Notice bibliographique
Résumé
Immunotherapy of cancer is now an essential pillar of treatment for patients with many individual tumor types. Novel immune targets and technical advances are driving a rapid exploration of new treatment strategies incorporating immune agents in cancer clinical practice. Immunotherapies perturb a complex system of interactions among genomically unstable tumor cells, diverse cells within the tumor microenvironment including the systemic adaptive and innate immune cells. The drive to develop increasingly effective immunotherapy regimens is tempered by the risk of immune-related adverse events. Evidence-based biomarkers that measure the potential for therapeutic response and/or toxicity are critical to guide optimal patient care and contextualize the results of immunotherapy clinical trials. Responding to the lack of guidance on biomarker testing in early-phase immunotherapy clinical trials, we propose a definition and listing of essential biomarkers recommended for inclusion in all such protocols. These recommendations are based on consensus provided by the Society for Immunotherapy of Cancer (SITC) Clinical Immuno-Oncology Network (SCION) faculty with input from the SITC Pathology and Biomarker Committees and the Journal for ImmunoTherapy of Cancer readership. A consensus-based selection of essential biomarkers was conducted using a Delphi survey of SCION faculty. Regular updates to these recommendations are planned. The inaugural list of essential biomarkers includes complete blood count with differential to generate a neutrophil-to-lymphocyte ratio or systemic immune-inflammation index, serum lactate dehydrogenase and albumin, programmed death-ligand 1 immunohistochemistry, microsatellite stability assessment, and tumor mutational burden. Inclusion of these biomarkers across early-phase immunotherapy clinical trials will capture variation among trials, provide deeper insight into the novel and established therapies, and support improved patient selection and stratification for later-phase clinical trials.
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 | 0,147 | 0,156 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,011 | 0,010 |
| Intégrité de la recherche | 0,027 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,014 |
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 ».