vijesti

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

Biomarkeri odobreni od strane FDA

Ekspresija PD-L1. Evaluacija nivoa ekspresije PD-L1 imunohistohemijom (IHC) daje skor proporcije tumora (TPS), što je procenat djelimično ili potpuno membranski obojenih tumorskih ćelija bilo kojeg intenziteta u preživjelim tumorskim ćelijama. U kliničkim ispitivanjima, ovaj test služi kao pomoćni dijagnostički test za liječenje uznapredovalog nemikrocelularnog karcinoma 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 podgrupi 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 ovaj tretman inhibitorom imunološke kontrolne tačke (ICI) bila 19,4%. U narednom ispitivanju faze 2/3 (KEYNOTE-024) pacijenti sa PD-L1 TPS>50% nasumično su raspoređeni u grupe koje su primale pembrolizumab i standardnu ​​hemoterapiju, a rezultati su pokazali značajno poboljšanje ukupnog preživljavanja (OS) kod pacijenata koji su primali liječenje pembrolizumabom.

Međutim, primjena PD-L1 u predviđanju ICI odgovora ograničena je različitim faktorima. 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 ćelijske populacije ekspresije PD-L1 varira ovisno o vrsti raka. Na primjer, liječenje rekurentnog ili metastatskog karcinoma pločastih ćelija 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 karcinoma i ICI odgovora, što ukazuje na to da tumorska pozadina može biti ključni faktor 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 nekonzistentna u različitim tumorskim lezijama kod jednog pacijenta, čak i unutar istog tumora. Ukratko, iako su početna klinička ispitivanja NSCLC-a podstakla istraživanje ekspresije PD-L1 kao mogućeg prediktivnog biomarkera, njegova klinička korisnost kod različitih vrsta raka ostaje nejasna.

Mutacijski teret tumora. Mutacijski teret tumora (TMB) korišten je kao alternativni pokazatelj imunogenosti tumora. Prema rezultatima kliničkog ispitivanja KEYNOTE-158, među 10 tipova uznapredovalih solidnih tumora liječenih pembrolizumabom, pacijenti s najmanje 10 mutacija po megabazama (visok 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 cjelokupni životni vijek (OS).

Odgovor na imunoterapiju uglavnom je vođen prepoznavanjem novih antigena od strane T ćelija. Imunogenost povezana s višim TMB također ovisi o različitim faktorima, uključujući tumorski neoantigen koji tumor prezentira; imunološki sistem prepoznaje tumorske neoantigene; sposobnost domaćina da pokrene antigen-specifične odgovore. Na primjer, podaci sugeriraju da tumori s najvećom infiltracijom nekih imunoloških ćelija zapravo mogu imati amplifikaciju inhibitornih regulatornih T ćelija (Treg) klonova. Osim toga, raspon TMB može se razlikovati od potencijala TMB neoantigena, jer tačno mjesto mutacije također igra značajnu ulogu; Mutacije koje posreduju u različitim putevima prezentacije antigena mogu utjecati na prezentaciju (ili neprezentaciju) novih antigena imunološkom sistemu, 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 DNK (ctDNA). Vrijedi napomenuti da različite vrste tumora imaju širok raspon TMB-a, pri čemu imunogeni tumori poput melanoma, NSCLC-a i karcinoma skvamoznih ćelija imaju najviše nivoe TMB-a. Slično tome, metode detekcije dizajnirane za različite vrste tumora imaju različite definicije pragovnih vrijednosti TMB-a. U proučavanju NSCLC-a, melanoma, urotelijalnog karcinoma i karcinoma pluća malih ćelija, 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 odlične performanse u predviđanju efikasnosti ICI kod različitih vrsta raka. MSI-H je rezultat defekata u popravci 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 se mogu smatrati vrstom tumora s visokim opterećenjem mutacijama (TMB). Na osnovu 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 osnovu biologije tumora, a ne histologije.

Uprkos značajnom uspjehu, postoje i problemi kojih treba biti svjestan pri korištenju MSI statusa. Na primjer, do 50% pacijenata sa dMMR kolorektalnim karcinomom ne reaguje na ICI tretman, što naglašava važnost drugih karakteristika u predviđanju odgovora. Druge intrinzične karakteristike tumora koje se ne mogu procijeniti trenutnim platformama za detekciju mogu biti faktori koji doprinose. Na primjer, bilo je izvještaja da pacijenti sa mutacijama u genima koji kodiraju važne katalitičke podjedinice polimeraze delta (POLD) ili polimeraze ε (POLE) u regiji DNK 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).

Pored toga, slično TMB-u, na MSI-H također utiču novi tipovi antigena generirani nestabilnošću mikrosatelita, prepoznavanjem novih tipova antigena od strane domaćina i odgovorom imunološkog sistema domaćina. Čak i kod tumora tipa MSI-H, veliki broj mutacija jednog nukleotida identificiran je kao mutacije putnika (mutacije koje nisu pokretačke). Stoga, oslanjanje isključivo na broj mikrosatelita identificiranih u tumoru nije dovoljno; Stvarni tip mutacije (identificiran putem specifičnih profila mutacija) može poboljšati prediktivne performanse ovog biomarkera. Osim toga, samo mali dio pacijenata oboljelih od raka pripada MSI-H tumorima, što ukazuje na trenutnu potrebu za šire primjenjivim biomarkerima. Stoga, identificiranje drugih učinkovitih biomarkera za predviđanje efikasnosti i usmjeravanje liječenja pacijenata ostaje važno područje istraživanja.

Istraživanje biomarkera zasnovano na organizacijama

S obzirom na to da je mehanizam djelovanja ICI-a preokretanje supresije imunoloških ćelija, a ne direktno ciljanje intrinzičnih puteva tumorskih ćelija, daljnja istraživanja trebala bi se fokusirati na sistematsku analizu okruženja rasta tumora i interakcije između tumorskih ćelija i imunoloških ćelija, što bi moglo pomoći u rasvjetljavanju faktora koji utiču na odgovor ICI-a. Mnoge istraživačke grupe proučavale su tumorske ili imunološke karakteristike specifičnih tipova tkiva, kao što su karakteristike mutacije tumorskih i imunoloških gena, deficiti prezentacije tumorskih antigena ili višećelijski 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 tretmana ICI, te su proveli analizu prostornog snimanja. Korištenjem više integriranih modela, u kombinaciji s tehnikama kao što su sekvenciranje pojedinačnih ćelija i prostorno snimanje ili multiomički modeli, poboljšana je prediktivna sposobnost ishoda tretmana ICI. 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 imuniteta superiorna je jednoj analitičkoj varijabli. Ovi rezultati ističu potrebu simuliranja efikasnosti ICI na sveobuhvatniji način, uključujući uključivanje rezultata procjene imunološkog kapaciteta domaćina, intrinzičnih karakteristika tumora i imunoloških komponenti tumora kod pojedinačnih pacijenata kako bi se bolje predvidjelo koji će pacijenti reagirati na imunoterapiju.

S obzirom na složenost uključivanja faktora tumora i domaćina u istraživanje biomarkera, kao i potencijalnu potrebu za longitudinalnom integracijom karakteristika imunološkog mikrookruženja, ljudi su počeli istraživati ​​biomarkere koristeći kompjutersko modeliranje i mašinsko učenje. Trenutno su se u ovoj oblasti pojavila neka revolucionarna istraživačka dostignuća, što ukazuje na budućnost personalizirane onkologije potpomognute mašinskim učenjem.

Izazovi s kojima se suočavaju biomarkeri na bazi tkiva

Ograničenja analitičkih metoda. Neki značajni biomarkeri dobro funkcionišu kod određenih tipova tumora, ali ne nužno i kod drugih tipova tumora. Iako specifične genske karakteristike tumora imaju jaču prediktivnu sposobnost od TMB-a i drugih, ne mogu se koristiti za dijagnozu svih tumora. U studiji usmjerenoj na pacijente sa NSCLC-om, utvrđeno je da su karakteristike genskih mutacija bile prediktivnije za efikasnost ICI-a nego visoki TMB (≥ 10), ali više od polovine pacijenata nije bilo u stanju da detektuje karakteristike genskih mutacija.

Heterogenost tumora. Metoda tkivnog biomarkera uzorkuje samo na jednom mjestu tumora, što znači da procjena specifičnih dijelova tumora možda neće tačno 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 sistema, mnogi prethodno korišteni tkivni biomarkeri mogli su biti previše pojednostavljeni. Osim toga, ćelije u tumorskom mikrookruženju (TME) su obično pokretne, tako da interakcije prikazane u prostornoj analizi možda ne predstavljaju stvarne interakcije između tumorskih ćelija i imunoloških ćelija. Čak i ako biomarkeri mogu idealno predstavljati cijelo tumorsko okruženje u određenom vremenskom trenutku, ovi ciljevi se i dalje mogu inducirati i dinamički mijenjati tokom 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, uprkos prisustvu nedostatka B2M, pacijenti i dalje mogu imati koristi od terapije ICI.

Longitudinalni biomarkeri zasnovani na organizaciji
Ekspresija biomarkera se može mijenjati tokom vremena i pod utjecajem liječenja. Statičke i pojedinačne procjene tumora i imunobiologije mogu previdjeti ove promjene, a mogu se previdjeti i promjene u tumorskom tumorskom endometriju (TME) i nivoima imunološkog odgovora domaćina. Višestruke studije su pokazale da uzimanje uzoraka prije i tokom liječenja može preciznije identificirati promjene povezane s liječenjem ICI. Ovo naglašava važnost dinamičke procjene biomarkera.

Biomarkeri na bazi krvi
Prednost analize krvi leži u njenoj sposobnosti da biološki procijeni sve pojedinačne tumorske lezije, odražavajući prosječna očitanja, a ne očitanja specifičnih mjesta, što je čini posebno pogodnom za procjenu dinamičkih promjena povezanih s liječenjem. Brojni rezultati istraživanja pokazali su da korištenje cirkulirajuće tumorske DNK (ctDNA) ili cirkulirajućih tumorskih ćelija (CTC) za procjenu minimalne rezidualne bolesti (MRD) može voditi odluke o liječenju, ali ovi testovi imaju ograničene informacije o predviđanju da li pacijenti mogu imati koristi od imunoterapija kao što je ICI. Stoga, testiranje ctDNA treba kombinirati s drugim metodama za mjerenje imunološke aktivacije ili imunološkog kapaciteta domaćina. U tom smislu, postignut je napredak u imunofenotipizaciji mononuklearnih ćelija periferne krvi (PBMC) i proteomskoj analizi ekstracelularnih vezikula i plazme. Na primjer, podtipovi perifernih imunoloških ćelija (kao što su CD8+T ćelije), visoka ekspresija molekula imunoloških kontrolnih tačaka (kao što je PD1 na perifernim CD8+T ćelijama) i povišeni nivoi različitih proteina u plazmi (kao što su CXCL8, CXCL10, IL-6, IL-10, PRAP1 i VEGFA) mogu poslužiti kao efikasni dodaci dinamičkim ko-biomarkerima ctDNA. Prednost ovih novih metoda je u tome što mogu procijeniti promjene unutar tumora (slično promjenama koje detektuje ctDNA) i mogu otkriti i promjene u imunološkom sistemu pacijenta.

Radiomika
Prediktivni faktori slikovnih podataka mogu efikasno prevladati ograničenja uzorkovanja tkivnih biomarkera i biopsije, te mogu posmatrati 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 karakteristikama tumora (kao što je veličina tumora) u različitim vremenskim tačkama, kao što su prije i nakon tretmana ICI, tokom tretmana i naknadno praćenje. Delta radiomika ne samo da može predvidjeti početni ili nikakav odgovor na rani tretman, već i identificirati stečenu otpornost na ICI u stvarnom vremenu i pratiti svaki recidiv nakon potpune remisije. Model snimanja razvijen putem tehnologije mašinskog učenja je čak i bolji od tradicionalnog RECIST standarda u predviđanju odgovora na liječenje i mogućih neželjenih događaja. Trenutna istraživanja pokazuju da ovi radiomički modeli imaju površinu ispod krive (AUC) do 0,8 do 0,92 u predviđanju odgovora na imunoterapiju.

Još jedna prednost radiomike je njena sposobnost precizne identifikacije pseudo progresije. Radiomički model konstruisan putem mašinskog učenja može efikasno razlikovati pravu i lažnu progresiju ponovnim mjerenjem CT ili PET podataka za svaki tumor, uključujući faktore kao što su oblik, intenzitet i tekstura, sa AUC 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 na ICI. Brojne studije su pokazale da je specifična crijevna mikrobiota usko povezana s odgovorom različitih vrsta raka na liječenje ICI. 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 ćelija, koji dobro reagiraju na liječenje ICI.

Osim toga, novi model mašinskog učenja može biti nezavisan od tipova tumora i povezati specifične rodove crijevnih bakterija s terapijskim odgovorom imunoterapije. Druge studije su također otkrile specifičnu ulogu koju pojedinačne bakterijske grupe igraju u regulaciji imunološkog sistema domaćina, dalje istražujući kako spriječiti ili potaknuti imunološki bijeg ćelija raka.

Neoadjuvantna terapija
Dinamička evaluacija biologije tumora može voditi naknadne strategije kliničkog liječenja. Studija neoadjuvantne terapije može procijeniti terapijski učinak kroz patološku remisiju u hirurškim uzorcima. U liječenju melanoma, primarni patološki odgovor (MPR) povezan je sa stopom preživljavanja bez recidiva. U PRADO studiji, istraživači određuju sljedeće mjere kliničke intervencije, kao što su hirurgija i/ili adjuvantna terapija, na osnovu podataka o patološkoj remisiji specifičnih za pacijenta.

Među različitim vrstama raka, nekoliko novih opcija adjuvantne terapije još uvijek nema direktnu usporedbu. Stoga, izbor između monoterapije imunoterapijom ili kombinirane terapije često zajednički određuju ljekar i pacijent. Trenutno su istraživači razvili karakteristiku interferona gama (IFN gama) koja sadrži 10 gena kao biomarker za predviđanje patološke remisije melanoma nakon neoadjuvantne terapije. Nadalje su integrirali ove karakteristike u algoritam za odabir pacijenata sa 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 neoadjuvantni ICI tretman.

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

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