Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
doi:10.22028/D291-43712 | Titel: | Machine Learning-assisted immunophenotyping of peripheral blood identifies innate immune cells as best predictor of response to induction chemo-immunotherapy in head and neck squamous cell carcinoma - knowledge obtained from the CheckRad-CD8 trial |
| VerfasserIn: | Hecht, Markus Frey, Benjamin Gaipl, Udo S. Tianyu, Xie Eckstein, Markus Donaubauer, Anna-Jasmina Klautke, Gunther Illmer, Thomas Fleischmann, Maximilian Laban, Simon Hautmann, Matthias G. Tamaskovics, Bálint Brunner, Thomas B. Becker, Ina Zhou, Jian-Guo Hartmann, Arndt Fietkau, Rainer Iro, Heinrich Döllinger, Michael Gostian, Antoniu-Oreste Kist, Andreas M. |
| Sprache: | Englisch |
| Titel: | Neoplasia |
| Bandnummer: | 49 |
| Verlag/Plattform: | Stockton Press |
| Erscheinungsjahr: | 2024 |
| Freie Schlagwörter: | Chemotherapy Immunotherapy HNSCC Induction therapy Immune phenotyping |
| DDC-Sachgruppe: | 610 Medizin, Gesundheit |
| Dokumenttyp: | Journalartikel / Zeitschriftenartikel |
| Abstract: | Individual prediction of treatment response is crucial for personalized treatment in multimodal approaches against head-and-neck squamous cell carcinoma (HNSCC). So far, no reliable predictive parameters for treatment schemes containing immunotherapy have been identified. This study aims to predict treatment response to induction chemo-immunotherapy based on the peripheral blood immune status in patients with locally advanced HNSCC. |
| DOI der Erstveröffentlichung: | 10.1016/j.neo.2023.100953 |
| URL der Erstveröffentlichung: | https://www.sciencedirect.com/science/article/pii/S1476558623000775 |
| Link zu diesem Datensatz: | urn:nbn:de:bsz:291--ds-437128 hdl:20.500.11880/39160 http://dx.doi.org/10.22028/D291-43712 |
| ISSN: | 1476-5586 1522-8002 |
| Datum des Eintrags: | 11-Dez-2024 |
| Fakultät: | M - Medizinische Fakultät |
| Fachrichtung: | M - Radiologie |
| Professur: | M - Keiner Professur zugeordnet |
| Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Dateien zu diesem Datensatz:
| Datei | Beschreibung | Größe | Format | |
|---|---|---|---|---|
| 1-s2.0-S1476558623000775-main.pdf | 3,64 MB | Adobe PDF | Öffnen/Anzeigen |
Diese Ressource wurde unter folgender Copyright-Bestimmung veröffentlicht: Lizenz von Creative Commons
