Antibody-Drug Conjugates in Breast Cancer: Current Landscape and Future Targets
Notice bibliographique
Résumé
Antibody-drug conjugates (ADCs) have transformed therapeutic options for patients with breast cancer, delivering targeted cytotoxic agents with enhanced efficacy, albeit with systemic toxicity. Since the approval of trastuzumab emtansine in 2012, the ADC landscape has rapidly expanded to include agents targeting HER2, TROP-2, and other novel targets. Currently, four ADCs are approved in breast cancer, showing clinical benefit across HER2-positive, HER2-low, hormone receptor (HR)-positive and triple-negative subtypes. Trastuzumab deruxtecan has demonstrated superior outcomes compared to earlier HER2-targeted ADCs and is the preferred treatment in multiple settings. Anti-TROP-2 ADCs, such as sacituzumab govitecan and datopotamab deruxtecan, have provided improvements in progression-free survival in both triple-negative and HR-positive/HER2-negative disease. Ongoing research is exploring additional targets, such as HER3, Nectin-4, B7-H4, and CD166, with several promising candidates showing efficacy in early phase trials. As ADCs move into earlier lines of therapy and combination regimens, understanding optimal sequencing, toxicity management, and cost considerations will be essential. This review summarizes the current ADC landscape in breast cancer and highlights future directions for this rapidly evolving therapeutic class.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».