CAR-NK cells to treat patients with cancer: a systematic scoping review of published studies and registered clinical trials
Notice bibliographique
Résumé
INTRODUCTION: Chimeric antigen-receptor natural killer cells (CAR-NKs) offer a promising allogeneic immune effector cell therapy to treat malignant diseases. A systematic review is needed to understand the scope of current clinical studies and registered active trials to identify aspects of study design and cell product characterization that could accelerate greater clinical adoption. METHODS: A systematic review of all publications (to January 25, 2025) and registered clinical trials (to June 21, 2024) was conducted. We extracted information on study design, patient characteristics, outcome measures, and cell product characterization. RESULTS: A total of 150 patients in ten studies published between 2018 and 2025 were identified. Hematologic malignancies were examined most frequently (n = 6 studies). All published studies were uncontrolled, and only four reported on more than three patients. CAR-NK products were most frequently derived from the NK-92 cell line (four studies), umbilical cord blood (three studies), induced pluripotent stem cells (one study), or not reported (two studies). Considerable heterogeneity was observed regarding CAR-NK cell manufacturing methods and dosing. Complete response rates for patients with B cell lymphomas ranged from 25-85%, depending on lymphoma subtype. Responses were durable with median response not reached in the largest study and durable remission at 1-year in 70% of responders in a second study. Adverse events were uncommon with no cases of grade 3 or higher cytokine release syndrome and no cases of immune effector-cell mediated neurotoxicity or graft versus host disease reported. Among the 50 registered trials identified (n=2102 subjects to be enrolled), hematological malignancies (n = 34; 68%) were the most common diseases examined. CONCLUSIONS: The clinical outcomes and low adverse event rates following CAR-NK therapy in published studies are encouraging. Larger controlled trials are needed to confirm the safety and efficacy of CAR-NK therapy. We anticipate the completion of several such trials in the coming years.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».