vijesti

Imunoterapija je donijela revolucionarne promjene u liječenju malignih tumora, ali još uvijek postoje neki pacijenti koji od nje ne mogu imati koristi. Stoga su u kliničkim primjenama hitno potrebni odgovarajući biomarkeri za predviđanje učinkovitosti imunoterapije, kako bi se maksimizirala učinkovitost i izbjegla nepotrebna toksičnost.

Biomarkeri odobreni od strane FDA-e

Ekspresija PD-L1. Procjena razina ekspresije PD-L1 imunohistokemijom (IHC) daje rezultat udjela tumora (TPS), što je postotak djelomično ili potpuno membranski obojenih tumorskih stanica bilo kojeg intenziteta u preživjelim tumorskim stanicama. U kliničkim ispitivanjima, ovaj test služi kao pomoćni dijagnostički test za liječenje uznapredovalog nemikrocelularnog raka pluća (NSCLC) pembrolizumabom. Ako je TPS uzorka ≥ 1%, smatra se ekspresijom PD-L1; TPS ≥ 50% ukazuje na visoku ekspresiju PD-L1. U početnom ispitivanju faze 1 (KEYNOTE-001), stopa odgovora pacijenata u podskupini PD-L1 TPS>50% koji su koristili pembrolizumab bila je 45,2%, dok je bez obzira na TPS, stopa odgovora svih pacijenata koji su primali ovo liječenje inhibitorom imunološke kontrolne točke (ICI) bila 19,4%. U sljedećem ispitivanju faze 2/3 (KEYNOTE-024) pacijenti s PD-L1 TPS>50% nasumično su raspoređeni u skupine koje su primale pembrolizumab i standardnu ​​kemoterapiju, a rezultati su pokazali značajno poboljšanje ukupnog preživljenja (OS) u pacijenata koji su primali liječenje pembrolizumabom.

Međutim, primjena PD-L1 u predviđanju ICI odgovora ograničena je raznim čimbenicima. Prvo, optimalni prag za različite vrste raka varira. Na primjer, Pabolizumab se može koristiti kada je ekspresija PD-L1 tumora kod pacijenata s rakom želuca, jednjaka, mjehura i pluća 1%, 10% i 50%. Drugo, procjena stanične populacije ekspresije PD-L1 varira ovisno o vrsti raka. Na primjer, liječenje rekurentnog ili metastatskog karcinoma pločastih stanica glave i vrata može se odlučiti za korištenje druge metode testiranja odobrene od strane FDA, Sveobuhvatnog pozitivnog rezultata (CPS). Treće, gotovo da nema korelacije između ekspresije PD-L1 kod različitih vrsta raka i ICI odgovora, što ukazuje na to da bi tumorska pozadina mogla biti ključni čimbenik u predviđanju ICI biomarkera. Na primjer, prema rezultatima CheckMate-067 testa, negativna prediktivna vrijednost ekspresije PD-L1 kod melanoma je samo 45%. Konačno, višestruke studije su otkrile da je ekspresija PD-L1 nedosljedna u različitim tumorskim lezijama kod jednog pacijenta, čak i unutar istog tumora. Ukratko, iako su početna klinička ispitivanja NSCLC-a potaknula istraživanje ekspresije PD-L1 kao mogućeg prediktivnog biomarkera, njegova klinička korisnost kod različitih vrsta raka ostaje nejasna.

Teret tumorskih mutacija. Teret tumorskih mutacija (TMB) korišten je kao alternativni pokazatelj imunogenosti tumora. Prema rezultatima kliničkog ispitivanja KEYNOTE-158, među 10 vrsta uznapredovalih solidnih tumora liječenih pembrolizumabom, pacijenti s najmanje 10 mutacija po megabazi (visoki TMB) imali su veću stopu odgovora od onih s niskim TMB-om. Vrijedi napomenuti da je u ovoj studiji TMB bio prediktor preživljavanja bez progresije bolesti (PFS), ali nije mogao predvidjeti cjelokupno preživljavanje (OS).

Odgovor na imunoterapiju uglavnom je potaknut prepoznavanjem novih antigena od strane T-stanica. Imunogenost povezana s višim TMB-om također ovisi o različitim čimbenicima, uključujući tumorski neoantigen koji tumor prezentira; imunološki sustav prepoznaje tumorske neoantigene; sposobnost domaćina da pokrene antigen-specifične odgovore. Na primjer, podaci sugeriraju da tumori s najvećom infiltracijom nekih imunoloških stanica zapravo mogu imati amplifikaciju inhibitornih regulatornih T-stanica (Treg) klonova. Osim toga, raspon TMB-a može se razlikovati od potencijala TMB neoantigena, jer točno mjesto mutacije također igra značajnu ulogu; Mutacije koje posreduju u različitim putovima prezentacije antigena mogu utjecati na prezentaciju (ili neprezentaciju) novih antigena imunološkom sustavu, što ukazuje na to da intrinzične i imunološke karakteristike tumora moraju biti konzistentne kako bi se proizveli optimalni ICI odgovori.

Trenutno se TMB mjeri sekvenciranjem sljedeće generacije (NGS), koje se može razlikovati među različitim institucijama (interno) ili komercijalnim platformama koje se koriste. NGS uključuje sekvenciranje cijelog egzoma (WES), sekvenciranje cijelog genoma i ciljano sekvenciranje, koje se može dobiti iz tumorskog tkiva i cirkulirajuće tumorske DNA (ctDNA). Vrijedi napomenuti da različite vrste tumora imaju širok raspon TMB-a, s imunogenim tumorima poput melanoma, NSCLC-a i karcinoma pločastih stanica koji imaju najviše razine TMB-a. Slično tome, metode detekcije dizajnirane za različite vrste tumora imaju različite definicije graničnih vrijednosti TMB-a. U proučavanju NSCLC-a, melanoma, urotelijalnog karcinoma i karcinoma pluća malih stanica, ove metode detekcije koriste različite analitičke metode (kao što su WES ili PCR detekcija za specifičan broj srodnih gena) i pragove (TMB visok ili TMB nizak).

Mikrosateliti su vrlo nestabilni. Mikrosatelitski vrlo nestabilan (MSI-H), kao biomarker pan-raka za ICI odgovor, ima izvrsne performanse u predviđanju učinkovitosti ICI kod različitih vrsta raka. MSI-H je rezultat defekata u popravku neusklađenosti (dMMR), što dovodi do visoke stope mutacija, posebno u mikrosatelitskim regijama, što rezultira proizvodnjom velikog broja novih antigena i na kraju pokreće klonski imunološki odgovor. Zbog visokog opterećenja mutacijama uzrokovanog dMMR-om, MSI-H tumori mogu se smatrati vrstom tumora s visokim opterećenjem mutacijama (TMB). Na temelju rezultata kliničkih ispitivanja KEYNOTE-164 i KEYNOTE-158, FDA je odobrila pembrolizumab za liječenje MSI-H ili dMMR tumora. Ovo je jedan od prvih lijekova za pan-raka koje je FDA odobrila na temelju biologije tumora, a ne histologije.

Unatoč značajnom uspjehu, postoje i problemi kojih treba biti svjestan pri korištenju MSI statusa. Na primjer, do 50% pacijenata s dMMR kolorektalnim karcinomom ne reagira na liječenje ICI-jem, što naglašava važnost drugih značajki u predviđanju odgovora. Druge intrinzične značajke tumora koje se ne mogu procijeniti trenutnim platformama za detekciju mogu biti faktori koji doprinose. Na primjer, postoje izvješća da pacijenti s mutacijama u genima koji kodiraju važne katalitičke podjedinice polimeraze delta (POLD) ili polimeraze ε (POLE) u regiji DNA nemaju vjernost replikacije i pokazuju fenotip "super mutacije" u svojim tumorima. Neki od ovih tumora imaju značajno povećanu mikrosatelitsku nestabilnost (dakle pripadaju MSI-H), ali proteini za popravak neusklađenosti ne nedostaju (dakle, ne dMMR).

Osim toga, slično TMB-u, na MSI-H utječu i novi tipovi antigena koji nastaju nestabilnošću mikrosatelita, prepoznavanjem novih tipova antigena od strane domaćina i odgovorom imunološkog sustava domaćina. Čak i kod tumora tipa MSI-H, veliki broj mutacija jednog nukleotida identificiran je kao putničke mutacije (ne-pogonske mutacije). Stoga nije dovoljno oslanjati se isključivo na broj mikrosatelita identificiranih u tumoru; stvarna vrsta mutacije (identificirana putem specifičnih profila mutacija) može poboljšati prediktivnu učinkovitost ovog biomarkera. Osim toga, samo mali udio pacijenata s rakom pripada MSI-H tumorima, što ukazuje na trenutnu potrebu za šire primjenjivim biomarkerima. Stoga, identificiranje drugih učinkovitih biomarkera za predviđanje učinkovitosti i usmjeravanje liječenja pacijenata ostaje važno područje istraživanja.

Istraživanje biomarkera temeljeno na organizacijama

S obzirom na to da je mehanizam djelovanja ICI-a preokretanje supresije imunoloških stanica, a ne izravno ciljanje intrinzičnih putova tumorskih stanica, daljnja istraživanja trebala bi se usredotočiti na sustavnu analizu okruženja rasta tumora i interakcije između tumorskih stanica i imunoloških stanica, što bi moglo pomoći u rasvjetljavanju čimbenika koji utječu na odgovor ICI-a. Mnoge istraživačke skupine proučavale su tumorske ili imunološke značajke specifičnih tipova tkiva, kao što su značajke mutacije tumorskih i imunoloških gena, deficiti prezentacije tumorskih antigena ili višestanični imunološki centri ili agregati (kao što su tercijarne limfoidne strukture), koji mogu predvidjeti odgovore na imunoterapiju.

Istraživači su koristili NGS za sekvenciranje tumora i imunološkog egzoma i transkriptoma tkiva pacijenata prije i nakon liječenja ICI-jem te su proveli analizu prostornog snimanja. Korištenjem više integriranih modela, u kombinaciji s tehnikama kao što su sekvenciranje pojedinačnih stanica i prostorno snimanje ili modeli s više omika, poboljšana je prediktivna sposobnost ishoda liječenja ICI-jem. Osim toga, sveobuhvatna metoda za procjenu imunoloških signala tumora i intrinzičnih karakteristika tumora također je pokazala jaču prediktivnu sposobnost. Na primjer, sveobuhvatna metoda serijskog sekvenciranja koja istovremeno mjeri karakteristike tumora i imunološki sustav superiorna je jednoj analitičkoj varijabli. Ovi rezultati naglašavaju potrebu simuliranja učinkovitosti ICI-ja na sveobuhvatniji način, uključujući uključivanje rezultata procjene imunološkog kapaciteta domaćina, intrinzičnih karakteristika tumora i imunoloških komponenti tumora u pojedinačne pacijente kako bi se bolje predvidjelo koji će pacijenti reagirati na imunoterapiju.

S obzirom na složenost uključivanja tumorskih i domaćinovih čimbenika u istraživanje biomarkera, kao i potencijalnu potrebu za longitudinalnom integracijom značajki imunološkog mikrookruženja, ljudi su počeli istraživati ​​biomarkere koristeći računalno modeliranje i strojno učenje. Trenutno su se u ovom području pojavila neka revolucionarna istraživačka dostignuća, što ukazuje na budućnost personalizirane onkologije potpomognute strojnim učenjem.

Izazovi s kojima se suočavaju biomarkeri na bazi tkiva

Ograničenja analitičkih metoda. Neki značajni biomarkeri dobro se pokazuju kod određenih vrsta tumora, ali ne nužno i kod drugih vrsta tumora. Iako specifične genske značajke tumora imaju jaču prediktivnu sposobnost od TMB-a i drugih, ne mogu se koristiti za dijagnozu svih tumora. U studiji usmjerenoj na pacijente s NSCLC-om, utvrđeno je da značajke genskih mutacija više predviđaju učinkovitost ICI-ja nego visoki TMB (≥ 10), ali više od polovice pacijenata nije moglo otkriti značajke genskih mutacija.

Heterogenost tumora. Metoda tkivnog biomarkera uzorkuje samo na jednom mjestu tumora, što znači da procjena specifičnih dijelova tumora možda neće točno odražavati ukupnu ekspresiju svih tumora kod pacijenta. Na primjer, studije su otkrile heterogenost u ekspresiji PD-L1 između i unutar tumora, a slični problemi postoje i s drugim tkivnim markerima.

Zbog složenosti bioloških sustava, mnogi prethodno korišteni tkivni biomarkeri mogli su biti previše pojednostavljeni. Osim toga, stanice u tumorskom mikrookruženju (TME) obično su pokretne, pa interakcije prikazane u prostornoj analizi možda ne predstavljaju stvarne interakcije između tumorskih stanica i imunoloških stanica. Čak i ako biomarkeri idealno mogu predstavljati cijelo tumorsko okruženje u određenom vremenskom trenutku, te se mete i dalje mogu inducirati i dinamički mijenjati tijekom vremena, što ukazuje na to da jedan snimak u vremenskom trenutku možda ne predstavlja dobro dinamičke promjene.

Heterogenost pacijenata. Čak i ako se otkriju poznate genetske promjene povezane s otpornošću na ICI, neki pacijenti koji nose poznate biomarkere otpornosti i dalje mogu imati koristi, moguće zbog molekularne i/ili imunološke heterogenosti unutar tumora i na različitim mjestima tumora. Na primjer, nedostatak β2-mikroglobulina (B2M) može ukazivati ​​na novu ili stečenu otpornost na lijekove, ali zbog heterogenosti nedostatka B2M između pojedinaca i unutar tumora, kao i interakcije mehanizama zamjene imunološkog prepoznavanja kod ovih pacijenata, nedostatak B2M ne mora snažno predvidjeti individualnu otpornost na lijekove. Stoga, unatoč prisutnosti nedostatka B2M, pacijenti i dalje mogu imati koristi od terapije ICI.

Organizacijski longitudinalni biomarkeri
Ekspresija biomarkera može se mijenjati s vremenom i s utjecajem liječenja. Statičke i pojedinačne procjene tumora i imunobiologije mogu previdjeti te promjene, a mogu se previdjeti i promjene u tumorskom TME-u i razinama imunološkog odgovora domaćina. Višestruke studije pokazale su da uzimanje uzoraka prije i tijekom liječenja može točnije identificirati promjene povezane s liječenjem ICI-jem. To naglašava važnost dinamičke procjene biomarkera.

Biomarkeri na bazi krvi
Prednost analize krvi leži u njezinoj sposobnosti biološke procjene svih pojedinačnih tumorskih lezija, odražavajući prosječna očitanja, a ne očitanja specifičnih mjesta, što je čini posebno prikladnom za procjenu dinamičkih promjena povezanih s liječenjem. Brojni rezultati istraživanja pokazali su da korištenje cirkulirajuće tumorske DNA (ctDNA) ili cirkulirajućih tumorskih stanica (CTC) za procjenu minimalne rezidualne bolesti (MRD) može voditi odluke o liječenju, ali ovi testovi imaju ograničene informacije o predviđanju mogu li pacijenti imati koristi od imunoterapija poput ICI. Stoga se testiranje ctDNA mora kombinirati s drugim metodama za mjerenje imunološke aktivacije ili imunološkog kapaciteta domaćina. U tom smislu, postignut je napredak u imunofenotipizaciji perifernih mononuklearnih stanica krvi (PBMC) i proteomskoj analizi izvanstaničnih vezikula i plazme. Na primjer, podtipovi perifernih imunoloških stanica (kao što su CD8+T stanice), visoka ekspresija molekula imunoloških kontrolnih točaka (kao što je PD1 na perifernim CD8+T stanicama) i povišene razine različitih proteina u plazmi (kao što su CXCL8, CXCL10, IL-6, IL-10, PRAP1 i VEGFA) mogu poslužiti kao učinkoviti dodaci dinamičkim ko-biomarkerima ctDNA. Prednost ovih novih metoda je u tome što mogu procijeniti promjene unutar tumora (slično promjenama koje otkriva ctDNA) i mogu otkriti i promjene u imunološkom sustavu pacijenta.

Radiomika
Prediktivni faktori slikovnih podataka mogu učinkovito prevladati ograničenja uzorkovanja tkivnih biomarkera i biopsije te mogu promatrati cijeli tumor i moguća druga metastatska mjesta u bilo kojem trenutku. Stoga bi u budućnosti mogli postati važan dio neinvazivnih dinamičkih biomarkera. Delta radiomika može kvantitativno izračunati promjene u višestrukim značajkama tumora (kao što je veličina tumora) u različitim vremenskim točkama, kao što su prije i nakon liječenja ICI-jem, tijekom liječenja i naknadno praćenje. Delta radiomika ne samo da može predvidjeti početni ili nikakav odgovor na rano liječenje, već i identificirati stečenu otpornost na ICI u stvarnom vremenu i pratiti svaki recidiv nakon potpune remisije. Model snimanja razvijen tehnologijom strojnog učenja čak je bolji od tradicionalnog RECIST standarda u predviđanju odgovora na liječenje i mogućih nuspojava. Trenutna istraživanja pokazuju da ovi radiomički modeli imaju površinu ispod krivulje (AUC) do 0,8 do 0,92 u predviđanju odgovora na imunoterapiju.

Još jedna prednost radiomike je njezina sposobnost točnog identificiranja pseudo progresije. Radiomički model konstruiran strojnim učenjem može učinkovito razlikovati stvarnu i lažnu progresiju ponovnim mjerenjem CT ili PET podataka za svaki tumor, uključujući čimbenike poput oblika, intenziteta i teksture, s AUC-om od 0,79. Ovi radiomički modeli mogu se koristiti u budućnosti kako bi se izbjegao prerani prekid liječenja zbog pogrešne procjene progresije bolesti.

Crijevna mikrobiota
Očekuje se da će biomarkeri crijevne mikrobiote predvidjeti terapijski odgovor ICI-jem. Brojne studije pokazale su da je specifična crijevna mikrobiota usko povezana s odgovorom različitih vrsta raka na liječenje ICI-jem. Na primjer, kod pacijenata s melanomom i rakom jetre, obilje bakterija Ruminococcaceae povezano je s odgovorom na imunoterapiju PD-1. Obogaćivanje Akkermansia muciniphila uobičajeno je kod pacijenata s rakom jetre, rakom pluća ili karcinomom bubrežnih stanica, koji dobro reagiraju na liječenje ICI-jem.

Osim toga, novi model strojnog učenja može biti neovisan o vrstama tumora i povezati specifične rodove crijevnih bakterija s terapijskim odgovorom imunoterapije. Druge studije također su otkrile specifičnu ulogu koju pojedine bakterijske skupine imaju u regulaciji imunološkog sustava domaćina, dodatno istražujući kako spriječiti ili potaknuti imunološki bijeg stanica raka.

Neoadjuvantna terapija
Dinamička evaluacija biologije tumora može voditi naknadne strategije kliničkog liječenja. Ispitivanje neoadjuvantne terapije može procijeniti terapijski učinak kroz patološku remisiju u kirurškim uzorcima. U liječenju melanoma, primarni patološki odgovor (MPR) povezan je sa stopom preživljavanja bez recidiva. U PRADO ispitivanju, istraživači određuju sljedeće mjere kliničke intervencije, poput kirurgije i/ili adjuvantne terapije, na temelju podataka o patološkoj remisiji specifičnih za pacijenta.

Među različitim vrstama raka, nekoliko novih opcija adjuvantne terapije još uvijek nema izravnu usporedbu. Stoga izbor između monoterapije imunoterapijom ili kombinirane terapije često zajednički određuju liječnik i pacijent. Trenutno su istraživači razvili značajku interferona gama (IFN gama) koja sadrži 10 gena kao biomarker za predviđanje patološke remisije melanoma nakon neoadjuvantne terapije. Nadalje su integrirali te značajke u algoritam za odabir pacijenata s jakim ili slabim odgovorom na neoadjuvantnu terapiju. U studiji praćenja pod nazivom DONIMI, istraživači su koristili ovaj rezultat, u kombinaciji sa složenijom analizom, ne samo za predviđanje odgovora na liječenje, već i za određivanje kojim pacijentima s melanomom u stadiju III treba dodatak inhibitora histon deacetilaze (HDACi) kako bi se poboljšao odgovor na neoadjuvantno liječenje ICI.

Model tumora izveden iz pacijenata
In vitro modeli tumora imaju potencijal predvidjeti specifične odgovore pacijenta. Za razliku od in vitro platforme koja se koristi za analizu spektra odgovora na lijekove hematoloških malignih bolesti, solidni tumori suočavaju se s većim izazovima zbog svoje jedinstvene mikrostrukture tumora i interakcija tumorskog imunološkog sustava. Jednostavna kultura tumorskih stanica ne može lako replicirati ove složene značajke. U ovom slučaju, organi slični tumorima ili čipovi organa koji potječu od pacijenata mogu kompenzirati ova strukturna ograničenja, jer mogu sačuvati izvornu strukturu tumorskih stanica i simulirati interakcije s limfoidnim i mijeloidnim imunološkim stanicama kako bi se procijenili ICI odgovori na način specifičan za pacijenta, čime se točnije reproduciraju biološke značajke u realističnijem trodimenzionalnom okruženju.

Nekoliko revolucionarnih studija u Kini i Sjedinjenim Državama usvojilo je ovaj novi visokokvalitetni trodimenzionalni in vitro model tumora. Rezultati pokazuju da ovi modeli mogu učinkovito predvidjeti odgovor raka pluća, raka debelog crijeva, raka dojke, melanoma i drugih tumora na ICI. To postavlja temelje za daljnju provjeru i standardizaciju prediktivne učinkovitosti ovih modela.