The Pituitary Immune Environment and Immunotherapy: From Hypophysitis to Pituitary Neuroendocrine Tumors
Notice bibliographique
Résumé
The immune landscape plays an important role in various pituitary diseases, ranging from hypophysitis to pituitary neuroendocrine tumors. Moreover, the use of immune checkpoint inhibitors (ICIs) has dramatically altered the landscape of cancer treatment by improving prognosis and overall survival in a multitude of advanced-staged malignancies, though their use in pituitary neuroendocrine tumors has remained limited. In this review, we will focus on selected topics to highlight the impact of the immune microenvironment on the function of the pituitary gland, namely, animal models of autoimmune hypophysitis, including ICI-induced hypophysitis as a common adverse event, and the importance of its early recognition in patients treated with ICIs. Using a case, we will provide an overview on the epidemiology, pathogenesis, clinical spectrum, diagnosis, predictors, and management of ICI-induced hypophysitis. We will also summarize the role of the immune microenvironment in pituitary neuroendocrine tumors with programmed cell death ligand 1 as a biomarker for treatment. Lastly, we will review the role of ICIs in the management of 40 patients with aggressive and metastatic pituitary neuroendocrine tumors. Current knowledge gaps in these topics will also be highlighted.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».