CAR-NK cell therapy in acute myeloid leukemia: safer, smarter, and moving toward clinical translation
Notice bibliographique
Résumé
Acute myeloid leukemia (AML) remains a highly lethal hematologic malignancy with limited durable treatment options and poor long-term survival. Allogeneic stem cell transplantation provides a curative approach for select patients, but outcomes are constrained by relapse and transplant-related morbidity. Chimeric antigen receptor (CAR) T-cell therapy, transformative in several lymphoid cancers, has shown limited efficacy in AML due to disease heterogeneity, antigen overlap with normal hematopoiesis, and treatment-related toxicities such as cytokine release syndrome and neurotoxicity. Natural killer (NK) cells offer an alternative cellular platform with intrinsic antitumor properties and a favorable safety profile. CAR-engineered NK (CAR-NK) cells combine the innate ability of NK cells to recognize malignant cells with the antigen specificity of CARs, offering targeted cytotoxicity while minimizing the risks of graft-versus-host disease and severe cytokine-driven toxicities. The use of allogeneic NK sources, including peripheral blood, umbilical cord blood, induced pluripotent stem cells, and NK cell lines, further supports the development of scalable “off-the-shelf” therapies. In this review, we summarize recent advances in CAR-NK therapy for AML. We discuss NK cell biology and CAR-NK design, evaluate emerging clinical trial data, and highlight key considerations for therapeutic development, including target antigen selection, NK cell sources, and engineering strategies to enhance persistence and function. Finally, we explore combination approaches and adjuvant agents that may overcome disease heterogeneity and immune evasion. Together, these insights underscore the potential of CAR-NK cells as a safer and more versatile next-generation immunotherapy in AML.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».