nieuws

Immunotherapie heeft revolutionaire veranderingen teweeggebracht in de behandeling van kwaadaardige tumoren, maar er zijn nog steeds patiënten die er geen baat bij hebben. Daarom zijn er in klinische toepassingen dringend geschikte biomarkers nodig om de effectiviteit van immunotherapie te voorspellen, de effectiviteit te maximaliseren en onnodige toxiciteit te voorkomen.

FDA-goedgekeurde biomarkers

PD-L1-expressie. Evaluatie van PD-L1-expressieniveaus door middel van immunohistochemie (IHC) levert de tumorproportionscore (TPS) op. Dit is het percentage gedeeltelijk of volledig membraangekleurde tumorcellen van elke intensiteit in de overlevende tumorcellen. In klinische studies dient deze test als een aanvullende diagnostische test voor de behandeling van gevorderde niet-kleincellige longkanker (NSCLC) met pembrolizumab. Als de TPS van het monster ≥ 1% is, wordt PD-L1-expressie in aanmerking genomen; een TPS ≥ 50% duidt op een hoge PD-L1-expressie. In de eerste fase 1-studie (KEYNOTE-001) was het responspercentage van patiënten in de PD-L1 TPS>50%-subgroep die pembrolizumab gebruikten 45,2%, terwijl, ongeacht de TPS, het responspercentage van alle patiënten die deze behandeling met immuuncheckpointremmer (ICI) kregen 19,4% was. In het daaropvolgende fase 2/3-onderzoek (KEYNOTE-024) werden patiënten met PD-L1 TPS>50% willekeurig toegewezen aan pembrolizumab en standaard chemotherapie. De resultaten lieten een significante verbetering zien in de algehele overleving (OS) bij patiënten die pembrolizumab kregen.

De toepassing van PD-L1 bij het voorspellen van ICI-responsen wordt echter beperkt door verschillende factoren. Ten eerste varieert de optimale drempelwaarde voor verschillende soorten kanker. Pabolizumab kan bijvoorbeeld worden gebruikt wanneer de tumor-PD-L1-expressie van patiënten met maagkanker, slokdarmkanker, blaaskanker en longkanker respectievelijk 1%, 10% en 50% bedraagt. Ten tweede varieert de evaluatie van de celpopulatie van PD-L1-expressie afhankelijk van het type kanker. Zo kan bij de behandeling van recidiverend of gemetastaseerd plaveiselcelcarcinoom van het hoofd-halsgebied ervoor worden gekozen om een ​​andere door de FDA goedgekeurde testmethode te gebruiken, de Comprehensive Positive Score (CPS). Ten derde is er vrijwel geen correlatie tussen PD-L1-expressie bij verschillende soorten kanker en ICI-respons, wat aangeeft dat de tumorachtergrond een belangrijke factor kan zijn bij het voorspellen van ICI-biomarkers. Zo is volgens de resultaten van de CheckMate-067-test de negatief voorspellende waarde van PD-L1-expressie bij melanoom slechts 45%. Ten slotte hebben meerdere studies aangetoond dat PD-L1-expressie inconsistent is tussen verschillende tumorlaesies bij één patiënt, zelfs binnen dezelfde tumor. Kortom, hoewel eerste klinische studies met NSCLC aanleiding gaven tot onderzoek naar PD-L1-expressie als mogelijke voorspellende biomarker, blijft de klinische bruikbaarheid ervan bij verschillende soorten kanker onduidelijk.

Tumor Mutation Burden (TMB). Tumor Mutation Burden (TMB) is gebruikt als een alternatieve indicator voor tumorimmunogeniciteit. Volgens de resultaten van de klinische studie KEYNOTE-158 hadden patiënten met ten minste 10 mutaties per megabase (hoge TMB) een hogere respons dan patiënten met een lage TMB onder de 10 typen gevorderde solide tumoren die met pembrolizumab werden behandeld. Het is belangrijk om op te merken dat TMB in deze studie een voorspeller was van PFS, maar niet van OS.

De immuuntherapierespons wordt voornamelijk aangestuurd door de herkenning van nieuwe antigenen door T-cellen. De immunogeniciteit die gepaard gaat met een hogere TMB hangt ook af van verschillende factoren, waaronder het tumorneoantigeen dat door de tumor wordt gepresenteerd; het immuunsysteem herkent tumorneoantigenen; het vermogen van de gastheer om antigeenspecifieke responsen te initiëren. Gegevens suggereren bijvoorbeeld dat tumoren met de hoogste infiltratie van sommige immuuncellen mogelijk daadwerkelijk een amplificatie van remmende regulerende T-cel (Treg)-klonen hebben. Bovendien kan het bereik van TMB verschillen van het potentieel van TMB-neoantigenen, aangezien de exacte locatie van de mutatie ook een belangrijke rol speelt; Mutaties die verschillende routes van antigeenpresentatie mediëren, kunnen de presentatie (of niet-presentatie) van nieuwe antigenen aan het immuunsysteem beïnvloeden, wat aangeeft dat intrinsieke en immunologische kenmerken van de tumor consistent moeten zijn om optimale ICI-responsen te produceren.

Momenteel wordt TMB gemeten via next-generation sequencing (NGS), wat kan variëren tussen verschillende instellingen (intern) of commerciële platforms. NGS omvat whole-exome sequencing (WES), whole-genome sequencing en targeted sequencing, wat kan worden verkregen uit tumorweefsel en circulerend tumor-DNA (ctDNA). Het is belangrijk om op te merken dat verschillende soorten tumoren een breed scala aan TMB-waarden hebben, waarbij immunogene tumoren zoals melanoom, NSCLC en plaveiselcelcarcinoom de hoogste TMB-waarden hebben. Evenzo hebben detectiemethoden die zijn ontworpen voor verschillende tumortypen verschillende definities van TMB-drempelwaarden. Bij het onderzoek naar NSCLC, melanoom, urotheelcarcinoom en kleincellige longkanker gebruiken deze detectiemethoden verschillende analysemethoden (zoals WES of PCR-detectie voor specifieke aantallen gerelateerde genen) en drempelwaarden (TMB hoog of TMB laag).

Microsatellieten zijn zeer instabiel. Microsatelliet zeer instabiel (MSI-H), als pan-kanker biomarker voor ICI-respons, presteert uitstekend bij het voorspellen van de werkzaamheid van ICI bij verschillende vormen van kanker. MSI-H is het gevolg van mismatch repair defects (dMMR), wat leidt tot een hoge mutatiesnelheid, met name in microsatellietgebieden, wat resulteert in de productie van een groot aantal nieuwe antigenen en uiteindelijk het activeren van een klonale immuunrespons. Vanwege de hoge mutatielast die dMMR veroorzaakt, kunnen MSI-H-tumoren worden beschouwd als een type tumor met een hoge mutatielast (TMB). Op basis van de resultaten van klinische studies van KEYNOTE-164 en KEYNOTE-158 heeft de FDA pembrolizumab goedgekeurd voor de behandeling van MSI-H- of dMMR-tumoren. Dit is een van de eerste pan-kankermedicijnen die door de FDA is goedgekeurd op basis van tumorbiologie in plaats van histologie.

Ondanks significant succes zijn er ook aandachtspunten bij het gebruik van de MSI-status. Zo reageert tot 50% van de patiënten met dMMR-darmkanker niet op ICI-behandeling, wat het belang van andere kenmerken bij het voorspellen van respons benadrukt. Andere intrinsieke kenmerken van tumoren die niet kunnen worden geëvalueerd met de huidige detectieplatforms, kunnen bijdragende factoren zijn. Zo zijn er meldingen dat patiënten met mutaties in genen die coderen voor belangrijke katalytische subeenheden van polymerase delta (POLD) of polymerase ε (POLE) in het DNA-gebied een gebrek aan replicatietrouw vertonen en een "supermutatie"-fenotype in hun tumoren vertonen. Sommige van deze tumoren hebben een significant verhoogde microsatellietinstabiliteit (en behoren dus tot MSI-H), maar mismatch-reparatie-eiwitten ontbreken niet (dus niet dMMR).

Bovendien wordt MSI-H, net als TMB, ook beïnvloed door de nieuwe antigeentypen die ontstaan ​​door microsatellietinstabiliteit, de herkenning van nieuwe antigeentypen door de gastheer en de responsiviteit van het immuunsysteem van de gastheer. Zelfs in MSI-H-type tumoren is een groot aantal enkelvoudige nucleotidemutaties geïdentificeerd als passagiersmutaties (niet-drivermutaties). Daarom is het niet voldoende om uitsluitend te vertrouwen op het aantal microsatellieten dat in de tumor is geïdentificeerd; het daadwerkelijke type mutatie (geïdentificeerd via specifieke mutatieprofielen) kan de voorspellende waarde van deze biomarker verbeteren. Bovendien heeft slechts een klein deel van de kankerpatiënten MSI-H-tumoren, wat wijst op de huidige behoefte aan breder toepasbare biomarkers. Het identificeren van andere effectieve biomarkers om de werkzaamheid te voorspellen en de behandeling van patiënten te sturen, blijft daarom een ​​belangrijk onderzoeksgebied.

Organisatiegebaseerd biomarkeronderzoek

Aangezien het werkingsmechanisme van ICI bestaat uit het omkeren van de onderdrukking van immuuncellen in plaats van het direct aanpakken van de intrinsieke processen van tumorcellen, zou verder onderzoek zich moeten richten op de systematische analyse van de tumorgroeiomgeving en de interactie tussen tumorcellen en immuuncellen. Dit kan helpen bij het verhelderen van de factoren die de ICI-respons beïnvloeden. Veel onderzoeksgroepen hebben tumor- of immuunkenmerken van specifieke weefseltypen bestudeerd, zoals tumor- en immuungenmutatiekenmerken, tekorten in de presentatie van tumorantigenen, of multicellulaire immuuncentra of aggregaten (zoals tertiaire lymfoïde structuren), die de respons op immunotherapie kunnen voorspellen.

Onderzoekers gebruikten NGS om het tumor- en immuun-exoom en transcriptoom van patiëntweefsels te sequencen vóór en na ICI-behandeling, en voerden ruimtelijke beeldvormingsanalyses uit. Door gebruik te maken van meerdere geïntegreerde modellen, gecombineerd met technieken zoals single-cell sequencing en ruimtelijke beeldvorming, of multi-omics-modellen, is het voorspellend vermogen van ICI-behandelingsresultaten verbeterd. Bovendien heeft een uitgebreide methode voor het evalueren van tumor-immuunsignalen en intrinsieke tumorkenmerken ook een sterker voorspellend vermogen aangetoond. Zo is een uitgebreide batch-sequencingmethode die gelijktijdig tumor- en immuunkenmerken meet, superieur aan één analytische variabele. Deze resultaten benadrukken de noodzaak om de werkzaamheid van ICI op een meer uitgebreide manier te simuleren, inclusief het integreren van evaluatieresultaten van de immuuncapaciteit van de gastheer, intrinsieke tumorkenmerken en tumor-immuuncomponenten in individuele patiënten om beter te voorspellen welke patiënten zullen reageren op immunotherapie.

Gezien de complexiteit van het integreren van tumor- en gastheerfactoren in biomarkeronderzoek, en de potentiële behoefte aan longitudinale integratie van immuunmicro-omgevingskenmerken, zijn mensen biomarkers gaan onderzoeken met behulp van computermodellering en machine learning. Momenteel zijn er baanbrekende onderzoeksresultaten op dit gebied behaald, die de toekomst van gepersonaliseerde oncologie met behulp van machine learning voorspellen.

De uitdagingen waar weefselgebaseerde biomarkers mee te maken krijgen

Beperkingen van analytische methoden. Sommige zinvolle biomarkers presteren goed bij bepaalde tumortypen, maar niet noodzakelijkerwijs bij andere tumortypen. Hoewel tumorspecifieke genkenmerken een sterker voorspellend vermogen hebben dan TMB en andere, kunnen ze niet voor de diagnose van alle tumoren worden gebruikt. In een onderzoek gericht op NSCLC-patiënten bleken genmutatiekenmerken beter te voorspellen voor de werkzaamheid van ICI dan een hoge TMB (≥ 10), maar meer dan de helft van de patiënten kon genmutatiekenmerken niet detecteren.

Tumorheterogeniteit. De weefselgebaseerde biomarkermethode bemonstert alleen op één tumorlocatie, wat betekent dat de evaluatie van specifieke tumordelen mogelijk niet de algehele expressie van alle tumoren bij de patiënt nauwkeurig weergeeft. Studies hebben bijvoorbeeld heterogeniteit in PD-L1-expressie tussen en binnen tumoren aangetoond, en soortgelijke problemen doen zich voor bij andere weefselmarkers.

Door de complexiteit van biologische systemen zijn veel eerder gebruikte weefselbiomarkers mogelijk te simplistisch weergegeven. Bovendien zijn cellen in de tumormicro-omgeving (TME) meestal mobiel, waardoor de interacties die in ruimtelijke analyse worden weergegeven mogelijk niet de werkelijke interacties tussen tumorcellen en immuuncellen weerspiegelen. Zelfs als biomarkers idealiter de volledige tumoromgeving op een specifiek tijdstip kunnen weergeven, kunnen deze targets nog steeds worden geïnduceerd en dynamisch veranderen in de loop van de tijd. Dit geeft aan dat een enkele momentopname op een tijdstip dynamische veranderingen mogelijk niet goed weergeeft.

Patiëntheterogeniteit. Zelfs als bekende genetische veranderingen gerelateerd aan ICI-resistentie worden gedetecteerd, kunnen sommige patiënten met bekende resistentiebiomarkers toch baat hebben, mogelijk vanwege moleculaire en/of immuunheterogeniteit binnen de tumor en op verschillende tumorlocaties. Een β2-microglobuline (B2M)-deficiëntie kan bijvoorbeeld wijzen op nieuwe of verworven resistentie tegen geneesmiddelen, maar vanwege de heterogeniteit van B2M-deficiëntie tussen individuen en binnen tumoren, evenals de interactie van immuunherkenningsvervangingsmechanismen bij deze patiënten, voorspelt B2M-deficiëntie mogelijk geen sterke individuele resistentie tegen geneesmiddelen. Daarom kunnen patiënten, ondanks de aanwezigheid van B2M-deficiëntie, nog steeds baat hebben bij ICI-therapie.

Organisatiegebaseerde longitudinale biomarkers
De expressie van biomarkers kan in de loop van de tijd en onder invloed van de behandeling veranderen. Statische en enkelvoudige beoordelingen van tumoren en immunobiologie kunnen deze veranderingen over het hoofd zien, en veranderingen in de TME van tumoren en de immuunrespons van de gastheer kunnen ook over het hoofd worden gezien. Meerdere studies hebben aangetoond dat het verkrijgen van monsters vóór en tijdens de behandeling veranderingen gerelateerd aan ICI-behandeling nauwkeuriger kan identificeren. Dit onderstreept het belang van dynamische biomarkerbeoordeling.

Bloedgebaseerde biomarkers
Het voordeel van bloedanalyse is dat het alle individuele tumorlaesies biologisch kan evalueren, waarbij gemiddelde waarden worden weergegeven in plaats van waarden per specifieke locatie. Dit maakt het bijzonder geschikt voor het evalueren van dynamische veranderingen die verband houden met de behandeling. Talrijke onderzoeksresultaten hebben aangetoond dat het gebruik van circulerend tumor-DNA (ctDNA) of circulerende tumorcellen (CTC) voor de evaluatie van minimale restziekte (MRD) behandelbeslissingen kan sturen, maar deze testen bieden beperkte informatie om te voorspellen of patiënten baat kunnen hebben bij immunotherapieën zoals ICI. Daarom moeten ctDNA-testen worden gecombineerd met andere methoden om immuunactivatie of de immuuncapaciteit van de gastheer te meten. In dit opzicht is vooruitgang geboekt in de immunofenotypering van perifere mononucleaire bloedcellen (PBMC's) en de proteoomanalyse van extracellulaire vesikels en plasma. Subtypen van perifere immuuncellen (zoals CD8+T-cellen), hoge expressie van immuuncheckpointmoleculen (zoals PD1 op perifere CD8+T-cellen) en verhoogde plasmawaarden van verschillende eiwitten (zoals CXCL8, CXCL10, IL-6, IL-10, PRAP1 en VEGFA) kunnen bijvoorbeeld allemaal dienen als effectieve aanvulling op dynamische co-biomarkers van ctDNA. Het voordeel van deze nieuwe methoden is dat ze veranderingen binnen de tumor (vergelijkbaar met veranderingen die door ctDNA worden gedetecteerd) kunnen evalueren en mogelijk ook veranderingen in het immuunsysteem van de patiënt kunnen onthullen.

Radiomics
De voorspellende factoren van beeldgegevens kunnen de beperkingen van weefselbiomarkerbemonstering en biopsie effectief overwinnen en kunnen de gehele tumor en mogelijke andere metastatische locaties op elk tijdstip observeren. Daarom kunnen ze in de toekomst een belangrijk onderdeel worden van niet-invasieve dynamische biomarkers. Delta-radiomics kunnen kwantitatief de veranderingen in meerdere tumorkenmerken (zoals tumorgrootte) berekenen op verschillende tijdstippen, zoals voor en na ICI-behandeling, tijdens de behandeling en daaropvolgende follow-up. Delta-radiomics kunnen niet alleen initiële of geen respons op vroege behandeling voorspellen, maar ook verworven resistentie tegen ICI in realtime identificeren en eventuele recidief na volledige remissie monitoren. Het beeldvormingsmodel dat is ontwikkeld met behulp van machine learning-technologie is zelfs beter dan de traditionele RECIST-standaard in het voorspellen van de respons op de behandeling en mogelijke bijwerkingen. Huidig ​​onderzoek wijst uit dat deze radiomics-modellen een oppervlakte onder de curve (AUC) hebben van maximaal 0,8 tot 0,92 bij het voorspellen van de respons op immuuntherapie.

Een ander voordeel van radiomics is de mogelijkheid om pseudoprogressie nauwkeurig te identificeren. Het radiomics-model, ontwikkeld met behulp van machine learning, kan effectief onderscheid maken tussen echte en valse progressie door CT- of PET-gegevens voor elke tumor opnieuw te meten, inclusief factoren zoals vorm, intensiteit en textuur, met een AUC van 0,79. Deze radiomics-modellen kunnen in de toekomst worden gebruikt om vroegtijdige beëindiging van de behandeling als gevolg van een verkeerde inschatting van de ziekteprogressie te voorkomen.

Darmmicrobiota
Verwacht wordt dat de biomarkers van de darmflora de therapeutische respons op ICI voorspellen. Talrijke studies hebben aangetoond dat een specifieke darmflora nauw verband houdt met de respons van verschillende soorten kanker op ICI-behandeling. Bij patiënten met melanoom en leverkanker is bijvoorbeeld de aanwezigheid van Ruminococcaceae-bacteriën geassocieerd met de respons op PD-1-immunotherapie. Verrijking met Akkermansia muciniphila komt vaak voor bij patiënten met leverkanker, longkanker of niercelcarcinoom, die goed reageren op ICI-behandeling.

Bovendien kan het nieuwe machine learning-model onafhankelijk zijn van tumortypen en specifieke darmbacteriën koppelen aan de therapeutische respons op immunotherapie. Andere studies hebben ook de specifieke rol onthuld die individuele bacteriegroepen spelen bij het reguleren van het immuunsysteem van de gastheer, en verder onderzocht hoe immuunontsnapping van kankercellen kan worden voorkomen of bevorderd.

Neoadjuvante therapie
Dynamische evaluatie van tumorbiologie kan richting geven aan daaropvolgende klinische behandelstrategieën. De neoadjuvante therapiestudie kan het therapeutische effect evalueren via pathologische remissie in chirurgische monsters. Bij de behandeling van melanoom is de primaire pathologische respons (MPR) geassocieerd met de recidiefvrije overleving. In de PRADO-studie bepalen onderzoekers de volgende klinische interventiemaatregelen, zoals chirurgie en/of adjuvante therapie, op basis van patiëntspecifieke pathologische remissiegegevens.

Verschillende nieuwe adjuvante therapieën zijn nog niet goed met elkaar te vergelijken. Daarom wordt de keuze tussen immunotherapie als monotherapie of combinatietherapie vaak gezamenlijk door de behandelend arts en de patiënt gemaakt. Momenteel hebben onderzoekers een interferon-gamma (IFN-gamma) kenmerk ontwikkeld, dat 10 genen bevat, als biomarker voor het voorspellen van pathologische remissie bij melanoom na neoadjuvante therapie. Ze hebben deze kenmerken vervolgens geïntegreerd in een algoritme om patiënten te selecteren met een sterke of zwakke respons op neoadjuvante therapie. In een vervolgstudie genaamd DONIMI gebruikten onderzoekers deze score, gecombineerd met een complexere analyse, niet alleen om de respons op de behandeling te voorspellen, maar ook om te bepalen welke patiënten met stadium III melanoom de toevoeging van histondeacetylaseremmers (HDACi) nodig hebben om de respons op neoadjuvante ICI-behandeling te verbeteren.

Tumormodel afgeleid van patiënten
In-vitrotumormodellen hebben de potentie om patiëntspecifieke reacties te voorspellen. In tegenstelling tot het in-vitroplatform dat gebruikt wordt voor de analyse van het responsspectrum van hematologische maligniteiten, staan ​​solide tumoren voor grotere uitdagingen vanwege hun unieke tumormicrostructuur en de interacties tussen tumoren en immuuncellen. Eenvoudige tumorcelkweken kunnen deze complexe kenmerken niet gemakkelijk repliceren. In dit geval kunnen tumorachtige organen of orgaanchips afkomstig van patiënten deze structurele beperkingen compenseren, omdat ze de oorspronkelijke tumorcelstructuur kunnen behouden en interacties met lymfoïde en myeloïde immuuncellen kunnen simuleren om ICI-reacties op een patiëntspecifieke manier te evalueren, waardoor biologische kenmerken nauwkeuriger kunnen worden gereproduceerd in een realistischere driedimensionale omgeving.

Verschillende baanbrekende studies in China en de Verenigde Staten hebben dit nieuwe, zeer betrouwbare driedimensionale in-vitro-tumormodel overgenomen. De resultaten tonen aan dat deze modellen de respons van longkanker, darmkanker, borstkanker, melanoom en andere tumoren op ICI effectief kunnen voorspellen. Dit legt de basis voor verdere verificatie en standaardisatie van de voorspellende prestaties van deze modellen.