nyheter

Immunterapi har medfört revolutionerande förändringar i behandlingen av maligna tumörer, men det finns fortfarande vissa patienter som inte kan dra nytta av den. Därför behövs lämpliga biomarkörer i kliniska tillämpningar för att förutsäga immunterapins effektivitet, i syfte att maximera effekten och undvika onödig toxicitet.

FDA-godkända biomarkörer

PD-L1-uttryck. Utvärderingen av PD-L1-uttrycksnivåer med immunohistokemi (IHC) ger tumörproportionalitetspoängen (TPS), vilket är andelen delvis eller fullständigt membranfärgade tumörceller av valfri intensitet i överlevande tumörceller. I kliniska prövningar fungerar detta test som ett hjälpdiagnostiskt test för behandling av avancerad icke-småcellig lungcancer (NSCLC) med pembrolizumab. Om TPS för provet är ≥ 1 % beaktas PD-L1-uttryck; TPS ≥ 50 % indikerar högt uttryck av PD-L1. I den initiala fas 1-studien (KEYNOTE-001) var svarsfrekvensen för patienter i undergruppen PD-L1 TPS> 50 % som använde pembrolizumab 45,2 %, medan svarsfrekvensen för alla patienter som fick denna behandling med immuncheckpointhämmare (ICI) var 19,4 %. Den efterföljande fas 2/3-studien (KEYNOTE-024) randomiserade patienter med PD-L1 TPS > 50 % till att få pembrolizumab och standardkemoterapi, och resultaten visade en signifikant förbättring av total överlevnad (OS) hos patienter som fick pembrolizumabbehandling.

Användningen av PD-L1 för att förutsäga ICI-svar begränsas dock av olika faktorer. För det första varierar det optimala tröskelvärdet för olika typer av cancer. Till exempel kan Pabolizumab användas när PD-L1-uttrycket i tumörer hos patienter med magcancer, matstrupscancer, blåscancer och lungcancer är 1 %, 10 % respektive 50 %. För det andra varierar utvärderingen av cellpopulationen av PD-L1-uttryck beroende på cancertyp. Till exempel kan man vid behandling av återkommande eller metastaserande skivepitelcancer i huvud och hals välja att använda en annan FDA-godkänd testmetod, Comprehensive Positive Score (CPS). För det tredje finns det nästan ingen korrelation mellan PD-L1-uttryck i olika cancerformer och ICI-svar, vilket indikerar att tumörbakgrund kan vara en nyckelfaktor för att förutsäga ICI-biomarkörer. Till exempel, enligt resultaten av CheckMate-067-testet, är det negativa prediktiva värdet av PD-L1-uttryck i melanom endast 45 %. Slutligen har flera studier funnit att PD-L1-uttryck är inkonsekvent mellan olika tumörlesioner hos en enda patient, även inom samma tumör. Sammanfattningsvis, även om initiala kliniska prövningar av icke-småcellig lungcancer (NSCLC) föranledde forskning om PD-L1-uttryck som en möjlig prediktiv biomarkör, är dess kliniska användbarhet vid olika typer av cancer fortfarande oklar.

Tumörmutationsbörda. Tumörmutationsbörda (TMB) har använts som en alternativ indikator på tumörimmunogenicitet. Enligt resultaten från den kliniska prövningen av KEYNOTE-158 hade patienter med minst 10 mutationer per megabas (hög TMB) en högre svarsfrekvens än de med låg TMB bland de 10 typerna av avancerade solida tumörer som behandlades med pembrolizumab. Det är värt att notera att TMB i denna studie var en prediktor för progressionsfri överlevnad (PFS), men den kunde inte förutsäga total överlevnad (OS).

Immunterapisvaret drivs huvudsakligen av T-cellsigenkänning av nya antigener. Immunogeniciteten i samband med högre TMB beror också på olika faktorer, inklusive det tumörneoantigen som tumören presenterar; Immunsystemet känner igen tumörneoantigener; Värdens förmåga att initiera antigenspecifika svar. Till exempel tyder data på att tumörer med den högsta infiltrationen av vissa immunceller faktiskt kan ha hämmande regulatorisk T-cells (Treg) klonamplifiering. Dessutom kan intervallet av TMB skilja sig från potentialen för TMB-neoantigener, eftersom den exakta platsen för mutationen också spelar en betydande roll; Mutationer som medierar olika vägar för antigenpresentation kan påverka presentationen (eller icke-presentationen) av nya antigener för immunsystemet, vilket indikerar att tumörens inneboende och immunologiska egenskaper måste vara konsekventa för att producera optimala ICI-svar.

För närvarande mäts TMB genom nästa generations sekvensering (NGS), vilket kan variera mellan olika institutioner (internt) eller kommersiella plattformar som används. NGS inkluderar helgenomsekvensering (WES), helgenomsekvensering och riktad sekvensering, som kan erhållas från tumörvävnad och cirkulerande tumör-DNA (ctDNA). Det är värt att notera att olika typer av tumörer har ett brett spektrum av TMB, där immunogena tumörer som melanom, icke-småcellig lungcancer (NSCLC) och skivepitelcancer har de högsta TMB-nivåerna. På liknande sätt har detektionsmetoder utformade för olika tumörtyper olika definitioner av TMB-tröskelvärden. Vid studien av NSCLC, melanom, urotelial cancer och småcellig lungcancer använder dessa detektionsmetoder olika analysmetoder (såsom WES- eller PCR-detektion för specifika antal relaterade gener) och trösklar (hög TMB eller låg TMB).

Mikrosatelliter är mycket instabila. Mikrosatellit mycket instabil (MSI-H), som en pancancerbiomarkör för ICI-respons, har utmärkt prestanda för att förutsäga ICI-effekt i olika cancerformer. MSI-H är ett resultat av mismatch-reparationsdefekter (dMMR), vilket leder till en hög mutationshastighet, särskilt i mikrosatellitregioner, vilket resulterar i produktion av ett stort antal nya antigener och slutligen utlöser ett klonalt immunsvar. På grund av den höga mutationsbördan som orsakas av dMMR kan MSI-H-tumörer betraktas som en typ av tumör med hög mutationsbörda (TMB). Baserat på resultaten från de kliniska prövningarna av KEYNOTE-164 och KEYNOTE-158 har FDA godkänt pembrolizumab för behandling av MSI-H- eller dMMR-tumörer. Detta är ett av de första pancancerläkemedlen som godkänts av FDA baserat på tumörbiologi snarare än histologi.

Trots betydande framgångar finns det också problem att vara medveten om när man använder MSI-status. Till exempel svarar upp till 50 % av patienter med dMMR-kolorektal cancer inget på ICI-behandling, vilket belyser vikten av andra egenskaper för att förutsäga svar. Andra inneboende egenskaper hos tumörer som inte kan utvärderas med nuvarande detektionsplattformar kan vara bidragande faktorer. Till exempel har det rapporterats att patienter med mutationer i gener som kodar för viktiga katalytiska subenheter av polymeras delta (POLD) eller polymeras ε (POLE) i DNA-regionen saknar replikationsfidelitet och uppvisar en "supermutations"-fenotyp i sina tumörer. Vissa av dessa tumörer har signifikant ökad mikrosatellitinstabilitet (och tillhör därmed MSI-H), men mismatch-reparationsproteiner saknas inte (därför inte dMMR).

Dessutom, i likhet med TMB, påverkas MSI-H också av de nya antigentyper som genereras av mikrosatellitinstabilitet, värdens igenkänning av nya antigentyper och värdens immunsystems responsivitet. Även i tumörer av MSI-H-typ har ett stort antal enstaka nukleotidmutationer identifierats som passagerarmutationer (icke-förarmutationer). Därför räcker det inte att enbart förlita sig på antalet mikrosatelliter som identifierats i tumören; den faktiska typen av mutation (identifierad genom specifika mutationsprofiler) kan förbättra den prediktiva prestandan för denna biomarkör. Dessutom tillhör endast en liten andel av cancerpatienterna MSI-H-tumörer, vilket indikerar det nuvarande behovet av mer allmänt tillämpliga biomarkörer. Därför är det fortfarande ett viktigt forskningsområde att identifiera andra effektiva biomarkörer för att förutsäga effekt och vägleda patientbehandling.

Organisationsbaserad biomarkörforskning

Med tanke på att verkningsmekanismen för ICI är att reversera immuncellssuppression snarare än att direkt rikta in sig på tumörcellernas inre vägar, bör vidare forskning fokusera på att systematiskt analysera tumörtillväxtmiljön och interaktionen mellan tumörceller och immunceller, vilket kan bidra till att belysa de faktorer som påverkar ICI-svaret. Många forskargrupper har studerat tumör- eller immunfunktioner hos specifika vävnadstyper, såsom tumör- och immungenmutationsfunktioner, tumörantigenpresentationsbrister eller multicellulära immuncentra eller aggregat (såsom tertiära lymfoida strukturer), vilka kan förutsäga svar på immunterapi.

Forskare använde NGS för att sekvensera tumör- och immunexom och transkriptom i patientvävnader före och efter ICI-behandling, och utförde spatial avbildningsanalys. Genom att använda flera integrerade modeller, i kombination med tekniker som encellssekvensering och spatial avbildning, eller multiomics-modeller, har den prediktiva förmågan hos ICI-behandlingsresultat förbättrats. Dessutom har en omfattande metod för att utvärdera tumörimmunsignaler och inneboende tumöregenskaper också visat starkare prediktiv förmåga. Till exempel är en omfattande batchsekvenseringsmetod som samtidigt mäter tumör- och immunegenskaper överlägsen en enda analytisk variabel. Dessa resultat belyser behovet av att simulera ICI-effektivitet på ett mer omfattande sätt, inklusive att införliva utvärderingsresultat av värdens immunkapacitet, inneboende tumöregenskaper och tumörimmunkomponenter hos enskilda patienter för att bättre förutsäga vilka patienter som kommer att svara på immunterapi.

Med tanke på komplexiteten i att införliva tumör- och värdfaktorer i biomarkörforskning, såväl som det potentiella behovet av longitudinell integration av immunmikromiljöns egenskaper, har människor börjat utforska biomarkörer med hjälp av datormodellering och maskininlärning. För närvarande har några banbrytande forskningsresultat framkommit inom detta område, vilket indikerar framtiden för personlig onkologi med hjälp av maskininlärning.

Utmaningarna med vävnadsbaserade biomarkörer

Begränsningar hos analysmetoder. Vissa meningsfulla biomarkörer fungerar bra för vissa tumörtyper, men inte nödvändigtvis för andra tumörtyper. Även om tumörspecifika genfunktioner har starkare prediktiv förmåga än TMB och andra, kan de inte användas för diagnos av alla tumörer. I en studie riktad mot patienter med icke-småcellig lungcancer (NSCLC) fann man att genmutationsfunktioner var mer prediktiva för ICI-effektivitet än hög TMB (≥ 10), men mer än hälften av patienterna kunde inte upptäcka genmutationsfunktioner.

Tumörheterogenitet. Den vävnadsbaserade biomarkörmetoden tar endast prover på ett enda tumörställe, vilket innebär att utvärderingen av specifika tumördelar kanske inte korrekt återspeglar det övergripande uttrycket av alla tumörer hos patienten. Studier har till exempel funnit heterogenitet i PD-L1-uttryck mellan och inom tumörer, och liknande problem finns med andra vävnadsmarkörer.

På grund av komplexiteten hos biologiska system kan många tidigare använda vävnadsbiomarkörer ha förenklats. Dessutom är celler i tumörmikromiljön (TME) vanligtvis mobila, så de interaktioner som visas i spatial analys kanske inte representerar de verkliga interaktionerna mellan tumörceller och immunceller. Även om biomarkörer idealiskt kan representera hela tumörmiljön vid en specifik tidpunkt, kan dessa mål fortfarande induceras och dynamiskt förändras över tid, vilket indikerar att en enda ögonblicksbild vid en tidpunkt kanske inte representerar dynamiska förändringar väl.

Patientheterogenitet. Även om kända genetiska förändringar relaterade till ICI-resistens upptäcks, kan vissa patienter som bär kända resistensbiomarkörer fortfarande dra nytta av behandlingen, möjligen på grund av molekylär och/eller immunologisk heterogenitet inom tumören och på olika tumörställen. Till exempel kan β2-mikroglobulin (B2M)-brist indikera ny eller förvärvad läkemedelsresistens, men på grund av heterogeniteten i B2M-brist mellan individer och inom tumörer, samt interaktionen mellan immunologiska igenkänningsmekanismer hos dessa patienter, kan B2M-brist inte starkt förutsäga individuell läkemedelsresistens. Därför, trots förekomsten av B2M-brist, kan patienter fortfarande dra nytta av ICI-behandling.

Organisationsbaserade longitudinella biomarkörer
Uttrycket av biomarkörer kan förändras över tid och med behandlingens inverkan. Statiska och enskilda bedömningar av tumörer och immunbiologi kan förbise dessa förändringar, och förändringar i tumörens TME och värdens immunsvarsnivåer kan också förbises. Flera studier har visat att provtagning före och under behandling mer exakt kan identifiera förändringar relaterade till ICI-behandling. Detta belyser vikten av dynamisk biomarkörbedömning.

Blodbaserade biomarkörer
Fördelen med blodanalys ligger i dess förmåga att biologiskt utvärdera alla individuella tumörlesioner, vilket återspeglar genomsnittliga avläsningar snarare än specifika områdesavläsningar, vilket gör den särskilt lämplig för att utvärdera dynamiska förändringar relaterade till behandling. Många forskningsresultat har visat att användning av cirkulerande tumör-DNA (ctDNA) eller cirkulerande tumörceller (CTC) för att utvärdera minimal residual disease (MRD) kan vägleda behandlingsbeslut, men dessa tester har begränsad information om hur man förutsäger om patienter kan dra nytta av immunterapier som ICI. Därför behöver ctDNA-testning kombineras med andra metoder för att mäta immunaktivering eller värdens immunkapacitet. I detta avseende har framsteg gjorts inom immunofenotypning av perifera mononukleära blodceller (PBMC) och proteomisk analys av extracellulära vesiklar och plasma. Till exempel kan perifera immuncellsubtyper (såsom CD8+T-celler), högt uttryck av immunkontrollpunktsmolekyler (såsom PD1 på perifera CD8+T-celler) och förhöjda nivåer av olika proteiner i plasma (såsom CXCL8, CXCL10, IL-6, IL-10, PRAP1 och VEGFA) alla fungera som effektiva komplement till dynamiska ctDNA-co-biomarkörer. Fördelen med dessa nya metoder är att de kan utvärdera förändringar i tumören (liknande förändringar som detekteras av ctDNA) och kan också avslöja förändringar i patientens immunförsvar.

Radiomik
De prediktiva faktorerna i bilddata kan effektivt övervinna begränsningarna med provtagning av vävnadsbiomarkörer och biopsi, och kan observera hela tumören och eventuella andra metastatiska platser när som helst. Därför kan de bli en viktig del av icke-invasiva dynamiska biomarkörer i framtiden. Delta-radiomik kan kvantitativt beräkna förändringarna i flera tumöregenskaper (såsom tumörstorlek) vid olika tidpunkter, såsom före och efter ICI-behandling, under behandling och efterföljande uppföljning. Delta-radiomik kan inte bara förutsäga initialt eller inget svar på tidig behandling, utan också identifiera förvärvad resistens mot ICI i realtid och övervaka eventuellt återfall efter fullständig remission. Den avbildningsmodell som utvecklats genom maskininlärningsteknik är ännu bättre än den traditionella RECIST-standarden för att förutsäga behandlingssvar och eventuella biverkningar. Aktuell forskning indikerar att dessa radiomikmodeller har en arean under kurvan (AUC) på upp till 0,8 till 0,92 för att förutsäga immunterapisvar.

En annan fördel med radiomik är dess förmåga att korrekt identifiera pseudoprogression. Radiomikmodellen som konstruerats genom maskininlärning kan effektivt skilja mellan sann och falsk progression genom att mäta CT- eller PET-data för varje tumör, inklusive faktorer som form, intensitet och textur, med en AUC på 0,79. Dessa radiomikmodeller kan användas i framtiden för att undvika för tidig avbrytning av behandling på grund av felbedömning av sjukdomsprogression.

Tarmmikrobiota
Biomarkörerna för tarmfloran förväntas förutsäga det terapeutiska svaret på ICI. Ett flertal studier har visat att en specifik tarmflora är nära relaterad till svaret hos olika typer av cancer på ICI-behandling. Till exempel, hos patienter med melanom och levercancer är förekomsten av Ruminococcaceae-bakterier associerad med PD-1-immunterapisvar. Anrikning av Akkermansia muciniphila är vanligt hos patienter med levercancer, lungcancer eller njurcellscancer, som svarar väl på ICI-behandling.

Dessutom kan den nya maskininlärningsmodellen vara oberoende av tumörtyper och associera specifika tarmbakteriesläkten med det terapeutiska svaret på immunterapi. Andra studier har också avslöjat den specifika roll som enskilda bakteriegrupper spelar i regleringen av värdens immunsystem, och vidare utforskar hur man kan förhindra eller främja immunförsvarets utsläpp av cancerceller.

Neoadjuvant behandling
Dynamisk utvärdering av tumörbiologi kan vägleda efterföljande kliniska behandlingsstrategier. Den neoadjuvanta terapistudien kan utvärdera den terapeutiska effekten genom patologisk remission i kirurgiska prover. Vid behandling av melanom är det primära patologiska svaret (MPR) associerat med återfallsfri överlevnad. I PRADO-studien fastställer forskarna nästa kliniska interventionsåtgärder, såsom kirurgi och/eller adjuvant behandling, baserat på patientspecifika data om patologisk remission.

Bland olika typer av cancer saknas fortfarande flera nya adjuvanta behandlingsalternativ direkta jämförelser. Därför avgörs valet mellan immunterapi som monoterapi eller kombinationsbehandling ofta gemensamt av den behandlande läkaren och patienten. För närvarande har forskare utvecklat en interferon gamma (IFN gamma)-funktion som innehåller 10 gener som en biomarkör för att förutsäga patologisk remission vid melanom efter neoadjuvant behandling. De integrerade vidare dessa funktioner i en algoritm för att välja patienter med starka eller svaga svar på neoadjuvant behandling. I en uppföljningsstudie kallad DONIMI använde forskarna denna poäng, i kombination med mer komplex analys, inte bara för att förutsäga behandlingssvar, utan också för att bestämma vilka melanompatienter i stadium III som behöver tillägg av histondeacetylashämmare (HDACi) för att förbättra svaret på neoadjuvant ICI-behandling.

Tumörmodell härledd från patienter
In vitro-tumörmodeller har potential att förutsäga patientspecifika svar. Till skillnad från in vitro-plattformen som används för läkemedelsresponsspektrumanalys av hematologiska maligniteter, står solida tumörer inför större utmaningar på grund av sin unika tumörmikrostruktur och tumörimmuninteraktioner. Enkel tumörcellskultur kan inte enkelt replikera dessa komplexa egenskaper. I detta fall kan tumörliknande organ eller organchips som härrör från patienter kompensera för dessa strukturella begränsningar, eftersom de kan bevara den ursprungliga tumörcellstrukturen och simulera interaktioner med lymfoida och myeloida immunceller för att utvärdera ICI-svar på ett patientspecifikt sätt, och därigenom mer exakt reproducera biologiska egenskaper i en mer realistisk tredimensionell miljö.

Flera banbrytande studier i Kina och USA har använt denna nya högupplösta tredimensionella in vitro-tumörmodell. Resultaten visar att dessa modeller effektivt kan förutsäga hur lungcancer, tjocktarmscancer, bröstcancer, melanom och andra tumörer svarar på ICI. Detta lägger grunden för ytterligare verifiering och standardisering av dessa modellers prediktiva prestanda.