Enhancing CAR-T Efficacy in Large B-Cell Lymphoma with Radiation Bridging Therapy: A Real-World Single-Center Experience
Notice bibliographique
Résumé
One challenge of chimeric antigen receptor T-cell therapy (CAR-T) for relapsed or refractory large B-cell lymphoma (LBCL) is achieving disease control during manufacturing. We report real-word outcomes of 100 patients treated with axicabtagene ciloleucel (axi-cel, n = 50) or tisagenlecleucel (tisa-cel, n = 50) at our center. Most patients received bridging therapy (BT) with 48 undergoing radiation BT (RBT) and 32 receiving systemic BT (SBT). The best overall response rate (ORR) was 84% (78% complete response (CR)) for axi-cel and 60% (42% CR) for tisa-cel. At a median follow-up of 16 months, 12-month progression-free survival (PFS) and overall survival (OS) were 72% and 82% for axi-cel, compared to 35% and 57% for tisa-cel. By the bridging approach, 12-month PFS was 60% with RBT, 59% without BT and 35% with SBT (p = 0.06). Notably, axi-cel patients without lymphoma progression during manufacturing (n = 24) achieved 12-month PFS and OS rates of 91% and 96%, respectively. Axi-cel was associated with more cytokine release syndrome (92% vs. 66%, p = 0.003) and neurotoxicity (all-grade 56% vs. 10%, p < 0.001, grade ≥ 328% vs. 4%, p = 0.002). Multivariate analysis identified RBT as independently associated with improved PFS (HR 0.46, 95% CI 0.22–0.96). Pending prospective validation, RBT shows promise for improving CAR-T outcomes in LBCL.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».