Los puntos clave no están disponibles para este artículo en este momento.
El cáncer de ovario (CO) es la malignidad ginecológica con la tasa de mortalidad más alta, caracterizada por un inicio insidioso, una heterogeneidad significativa y un alto riesgo de recurrencia. En los últimos años, los inhibidores del punto de control inmunitario (ICIs) han traído nuevas esperanzas para el tratamiento del CO; sin embargo, su eficacia clínica general sigue siendo limitada, en parte debido al microambiente tumoral (TME) inherentemente inmunosupresor y la falta de biomarcadores predictivos efectivos. Esta revisión buscó sistemáticamente literatura relevante desde 2015 hasta 2024 para elaborar de manera integral sobre las aplicaciones clínicas actuales, los desafíos y el progreso de la investigación de varios biomarcadores predictivos para ICIs en CO. Indica que, aunque biomarcadores como la expresión de PD-L1, la carga mutacional tumoral (TMB), el estado de deficiencia de recombinación homóloga (HRD) y los linfocitos infiltrantes tumurales (TILs) muestran cierto potencial, su valor predictivo está limitado por factores como la heterogeneidad espacio-temporal del tumor y la falta de métodos de detección estandarizados. Los biomarcadores emergentes del microbioma (intestinal / vaginal) y los modelos integrados basados en datos multi-ómicos representan direcciones de investigación importantes. Además, este artículo discute principios prácticos para integrar biomarcadores existentes en las vías de toma de decisiones clínicas y analiza la importancia de la terapia estratificada guiada por biomarcadores para mejorar la rentabilidad del tratamiento con ICI. Finalmente, la revisión esboza direcciones clave futuras, que incluyen profundizar en la investigación mecanicista, promover la validación de modelos integrados, superar la heterogeneidad tumoral, optimizar estrategias de combinación y llevar a cabo ensayos clínicos prospectivos impulsados por biomarcadores, para avanzar en la inmunoterapia del CO hacia una era de precisión e individualización.
Li et al. (Martes,) estudiaron esta cuestión.