Immune Checkpoint Inhibitors in Merkel Cell Carcinoma of the Skin: A 2025 Comprehensive Review
Notice bibliographique
Résumé
Objective: Merkel cell carcinoma (MCC) is a rare and aggressive form of skin cancer. Although immunotherapy has transformed MCC management, published data remain limited. This comprehensive review evaluates current evidence on immune checkpoint inhibitors (ICIs) in MCC, in relation to other treatment modalities such as surgery and radiotherapy. Methods: Peer-reviewed articles published between January 2000 and August 2025 were searched manually in four databases: Scopus, ScienceDirect, PubMed and MEDLINE, using the keywords “Merkel cell carcinoma” AND “immunotherapy” AND “immune checkpoint inhibitors”. The Preferred Reporting Items for Systematic reviews and Meta-Analyses (PRISMA) methodology was employed. Results: ICIs can be given in different settings: (A) Neoadjuvant: The CheckMate 358 trial reported a 54.5% response rate among 33 radiologically evaluable patients treated with nivolumab, each showing over 30% tumor reduction. (B) Adjuvant: (1) The ADMEC-O phase II trial demonstrated improved disease-free survival with adjuvant nivolumab. (2) The ADAM phase III trial evaluates adjuvant avelumab in node-positive patients post-surgery/radiation, with common side effects including nausea, fatigue, and itching. (3) STAMP, a phase III trial, investigates pembrolizumab in stage I–III MCC. Both ADAM and STAMP have completed accrual and results are pending. (C) Primary therapy: KEYNOTE-017 and JAVELIN trials reported a 60% overall response rate and ~40% 3-year progression-free survival with first-line pembrolizumab or avelumab. Both agents also show promise as salvage therapies. Conclusions: ICIs demonstrate encouraging outcomes in MCC across various treatment stages. Continued research is essential to optimize treatment timing and integrate multimodal therapies.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».