The Impact of Chimeric Antigen Receptor (CAR) T Cell Therapy: Its Potential to Reshape Rheumatology Practice
Notice bibliographique
Résumé
In recent years, genetically modified T cell therapy, using chimeric antigen receptor (CAR)‑engineered T cells, has revolutionized the field of rheumatology. While CAR T cell therapy is approved by government agencies, including Health Canada, as a standard treatment for B cell lymphoproliferative malignancies, it has also shown remarkable efficacy in refractory cases of rheumatic diseases, including systemic lupus erythematosus, systemic sclerosis, idiopathic inflammatory myopathies, ANCA-associated vasculitis, and rheumatoid arthritis. A single infusion of CAR T cells has demonstrated the potential to induce long-term drug-free remission in most cases. This therapy achieves profound B cell depletion in both blood and tissues—an effect not typically observed with conventional antibody-based B cell-target therapies. Despite its transformative potential, several challenges remain, including questions around long-term safety, high costs, limited accessibility, and the absence of standardized guidelines, which complicate its broader application. Rheumatologists face practical uncertainties, such as determining the optimal timing for treatment, selecting suitable patients, and identifying which diseases might benefit the most from this therapy. This editorial explores the fundamental principles of CAR T cell therapy, highlights the unresolved challenges, and provides insights into how rheumatologists can optimize its use for managing rheumatic diseases. (Please note that this manuscript was written in April 2025. Given the rapid advancements and emerging evidence in this field, there may be updates by the time this article is published.)
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».