Digging Through the Complexities of Immunological Approaches in Emerging Osteosarcoma Therapeutics: A Comprehensive Narrative Review with Updated Clinical Trials
Notice bibliographique
Résumé
Osteosarcoma (OS) is the predominant mesenchymal primary malignant bone tumor in oncology and pathology, impacting a wide age range from adolescents to older adults. It frequently advances to lung metastasis, ultimately resulting in the mortality of OS patients. The precise pathological pathways responsible for OS progression and dissemination are not fully understood due to its heterogeneity. The integration of surgery with neoadjuvant and postoperative chemotherapy has significantly increased the 5-year survival rate to more than 70% for patients with localized OS tumors. However, about 30% of patients experience local recurrence and/or metastasis. Hence, there is a requirement for innovative therapeutic approaches to address the limitations of traditional treatments. Immunotherapy has garnered increasing attention as a promising avenue for tumors resistant to standard therapies, including OS, despite the underlying mechanisms of disease progression and dissemination remaining not well elucidated. Immunotherapy may not have been suitable for use in patients with OS because of the tumor's immunosuppressive microenvironment and limited immunogenicity. Nevertheless, there are immune-based treatments now being developed for clinical use, such as bispecific antibodies, chimeric antigen receptor T cells, and immune checkpoint inhibitors. Also, additional immunotherapy techniques including cytokines, vaccines, and modified-Natural Killer (NK) cells/macrophages are in the early phases of research but will certainly be popular subjects in the nearest future. Our goal in writing this review was to spark new lines of inquiry into OS immunotherapy by summarizing the findings from both preclinical and current clinical studies examining different approaches.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».