Unveiling the Synergistic Potential: Bispecific Antibodies in Conjunction with Chemotherapy for Advanced Non-Small-Cell Lung Cancer Treatment
Notice bibliographique
Résumé
Lung cancer remains the leading cause of cancer-related mortality worldwide, with non-small-cell lung cancer (NSCLC) accounting for the majority of the cases. Despite advancements in targeted therapies and immunotherapies, many patients still rely on chemotherapy, highlighting the need for innovative treatment strategies. Bispecific antibodies (bsAbs), which feature two distinct binding sites capable of targeting different antigens, have emerged as a promising therapeutic approach, particularly in combination with chemotherapy. This review explores the scientific evolution and clinical application of bsAbs in NSCLC, focusing on their synergistic potential with chemotherapy. BsAbs, such as amivantamab, which targets EGFR and MET, have demonstrated significant efficacy in clinical trials, particularly in patients with EGFR mutations. The combination of bsAbs with chemotherapy enhances immune-mediated tumor destruction by modulating the tumor microenvironment and overcoming resistance mechanisms. Recent clinical trials have shown improved progression-free survival and overall survival when bsAbs such as amivantamab are combined with chemotherapy, underscoring their potential to transform NSCLC treatment. Many other clinical trials are underway that are evaluating newer bsAbs, such as ivonescimab, which targets PD1 and VEGF. This review also discusses ongoing clinical trials investigating various bsAbs targeting EGFR, PD-1, PD-L1, HER2, and other pathways, highlighting the future directions of bsAb-based therapies. As the field evolves, bsAbs are poised to become a cornerstone of multimodal NSCLC treatment, offering more effective and personalized therapeutic options for patients with advanced disease.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».