новости

Иммунотерапия принесла революционные изменения в лечение злокачественных опухолей, но некоторым пациентам она всё ещё не помогает. Поэтому для клинического применения крайне необходимы соответствующие биомаркеры, позволяющие прогнозировать эффективность иммунотерапии, максимизировать её эффективность и избежать ненужной токсичности.

Биомаркеры, одобренные FDA

Экспрессия PD-L1. Оценка уровня экспрессии PD-L1 методом иммуногистохимии (ИГХ) позволяет получить индекс пропорции опухоли (TPS), который представляет собой процент частично или полностью окрашенных мембраной опухолевых клеток любой интенсивности в выживших опухолевых клетках. В клинических испытаниях этот тест служит вспомогательным диагностическим тестом при лечении распространенного немелкоклеточного рака легкого (НМРЛ) пембролизумабом. Если TPS образца составляет ≥ 1%, считается, что имеет место экспрессия PD-L1; TPS ≥ 50% указывает на высокую экспрессию PD-L1. В первоначальном исследовании фазы 1 (KEYNOTE-001) частота ответа пациентов в подгруппе PD-L1 TPS>50% при применении пембролизумаба составила 45,2%, тогда как независимо от TPS частота ответа всех пациентов, получавших лечение этим ингибитором иммунных контрольных точек (ИКТ), составила 19,4%. В последующем исследовании фазы 2/3 (KEYNOTE-024) пациентам с TPS PD-L1>50% случайным образом назначали пембролизумаб и стандартную химиотерапию, а результаты показали значительное улучшение общей выживаемости (ОВ) у пациентов, получавших лечение пембролизумабом.

Однако применение PD-L1 для прогнозирования ответа на ICI ограничено различными факторами. Во-первых, оптимальный порог для разных типов рака различается. Например, Паболизумаб можно использовать, когда экспрессия PD-L1 в опухоли у пациентов с раком желудка, раком пищевода, раком мочевого пузыря и раком легкого составляет 1%, 10% и 50% соответственно. Во-вторых, оценка популяции клеток с экспрессией PD-L1 варьируется в зависимости от типа рака. Например, при лечении рецидивирующего или метастатического плоскоклеточного рака головы и шеи можно выбрать другой одобренный FDA метод тестирования — Comprehensive Positive Score (CPS). В-третьих, практически отсутствует корреляция между экспрессией PD-L1 при различных видах рака и ответом на ICI, что указывает на то, что опухолевый фон может быть ключевым фактором в прогнозировании биомаркеров ICI. Например, согласно результатам теста CheckMate-067, отрицательная прогностическая ценность экспрессии PD-L1 при меланоме составляет всего 45%. Кроме того, многочисленные исследования показали, что экспрессия PD-L1 неравномерна в различных опухолевых очагах у одного пациента, даже в пределах одной опухоли. Подводя итог, можно сказать, что, хотя первоначальные клинические испытания НМРЛ побудили к исследованию экспрессии PD-L1 как возможного предиктивного биомаркера, её клиническая ценность при различных типах рака остаётся неясной.

Мутационная нагрузка опухоли. Мутационная нагрузка опухоли (TMB) использовалась в качестве альтернативного индикатора иммуногенности опухоли. Согласно результатам клинического исследования KEYNOTE-158, среди 10 типов распространенных солидных опухолей, леченных пембролизумабом, у пациентов с не менее чем 10 мутациями на мегабазу (высокий TMB) наблюдался более высокий уровень ответа, чем у пациентов с низким TMB. Стоит отметить, что в данном исследовании TMB была предиктором ВБП, но не могла предсказать общую выживаемость.

Ответ на иммунотерапию в основном обусловлен распознаванием Т-клетками новых антигенов. Иммуногенность, связанная с более высоким TMB, также зависит от различных факторов, включая неоантиген опухоли, представляемый опухолью; Иммунная система распознает неоантигены опухоли; Способность хозяина инициировать антигенспецифические ответы. Например, данные свидетельствуют о том, что опухоли с самой высокой инфильтрацией некоторых иммунных клеток могут фактически иметь амплификацию клона ингибиторных регуляторных Т-клеток (Treg). Кроме того, диапазон TMB может отличаться от потенциала неоантигенов TMB, поскольку точное место мутации также играет значительную роль; Мутации, опосредующие различные пути презентации антигена, могут влиять на презентацию (или непрезентацию) новых антигенов иммунной системе, что указывает на то, что внутренние и иммунологические характеристики опухоли должны быть согласованы для получения оптимальных ответов ICI.

В настоящее время TMB измеряется с помощью секвенирования нового поколения (NGS), которое может различаться в зависимости от разных учреждений (внутри) или используемых коммерческих платформ. NGS включает в себя полноэкзомное секвенирование (WES), полногеномное секвенирование и целевое секвенирование, которые могут быть получены из опухолевой ткани и циркулирующей опухолевой ДНК (ctDNA). Стоит отметить, что разные типы опухолей имеют широкий диапазон TMB, при этом иммуногенные опухоли, такие как меланома, НМРЛ и плоскоклеточный рак, имеют самые высокие уровни TMB. Аналогичным образом, методы обнаружения, разработанные для разных типов опухолей, имеют разные определения пороговых значений TMB. При изучении НМРЛ, меланомы, уротелиальной карциномы и мелкоклеточного рака легкого эти методы обнаружения используют разные аналитические методы (такие как WES или ПЦР-детекция для определенного количества родственных генов) и пороговые значения (высокий TMB или низкий TMB).

Микросателлиты крайне нестабильны. Высоконестабильный микросателлит (MSI-H), как пан-раковый биомаркер ответа на ICI, обладает превосходной эффективностью в прогнозировании эффективности ICI при различных видах рака. MSI-H является результатом дефектов репарации неспаренных оснований (dMMR), что приводит к высокой частоте мутаций, особенно в микросателлитных регионах, что приводит к образованию большого количества новых антигенов и, в конечном итоге, запускает клональный иммунный ответ. Из-за высокой мутационной нагрузки, вызванной dMMR, опухоли MSI-H можно рассматривать как тип опухолей с высокой мутационной нагрузкой (TMB). Основываясь на результатах клинических испытаний KEYNOTE-164 и KEYNOTE-158, FDA одобрило пембролизумаб для лечения опухолей MSI-H или dMMR. Это один из первых пан-раковых препаратов, одобренных FDA, основанный на биологии опухоли, а не на гистологии.

Несмотря на значительный успех, существуют также проблемы, о которых следует знать при использовании статуса MSI. Например, до 50% пациентов с колоректальным раком dMMR не отвечают на лечение ICI, что подчеркивает важность других характеристик в прогнозировании ответа. Другие внутренние характеристики опухолей, которые не могут быть оценены современными платформами обнаружения, могут быть способствующими факторами. Например, были сообщения о том, что у пациентов с мутациями в генах, кодирующих важные каталитические субъединицы полимеразы дельта (POLD) или полимеразы ε (POLE) в области ДНК, отсутствует точность репликации и в их опухолях проявляется фенотип «супермутации». Некоторые из этих опухолей имеют значительно повышенную микросателлитную нестабильность (таким образом, относятся к MSI-H), но белки репарации несоответствий отсутствуют (следовательно, не dMMR).

Кроме того, подобно TMB, MSI-H также подвержен влиянию новых типов антигенов, генерируемых нестабильностью микросателлитов, распознаванием хозяином новых типов антигенов и реакцией иммунной системы хозяина. Даже в опухолях типа MSI-H было идентифицировано большое количество однонуклеотидных мутаций как мутации-пассажиры (не драйверные мутации). Поэтому недостаточно полагаться исключительно на количество микросателлитов, идентифицированных в опухоли; фактический тип мутации (идентифицированный с помощью специфических профилей мутаций) может улучшить прогностическую эффективность этого биомаркера. Кроме того, лишь небольшая часть онкологических пациентов относится к опухолям MSI-H, что указывает на текущую потребность в более широко применимых биомаркерах. Поэтому выявление других эффективных биомаркеров для прогнозирования эффективности и руководства лечением пациентов остается важной областью исследований.

Организационное исследование биомаркеров

Учитывая, что механизм действия ICI заключается в обращении подавления иммунных клеток вспять, а не в прямом воздействии на внутренние пути опухолевых клеток, дальнейшие исследования должны быть сосредоточены на систематическом анализе среды роста опухоли и взаимодействия между опухолевыми и иммунными клетками, что может помочь выяснить факторы, влияющие на реакцию ICI. Многие исследовательские группы изучали опухолевые или иммунные особенности конкретных типов тканей, такие как особенности мутаций опухолевых и иммунных генов, дефицит презентации опухолевых антигенов или многоклеточные иммунные центры или агрегаты (например, третичные лимфоидные структуры), которые могут предсказывать ответ на иммунотерапию.

Исследователи использовали NGS для секвенирования опухолевого и иммунного экзома и транскриптома тканей пациента до и после лечения ICI, а также провели пространственный анализ изображений. Благодаря использованию нескольких интегрированных моделей в сочетании с такими методами, как секвенирование отдельных клеток и пространственная визуализация или мульти-омные модели, была улучшена предсказательная способность результатов лечения ICI. Кроме того, комплексный метод оценки иммунных сигналов опухоли и внутренних характеристик опухоли также продемонстрировал более сильную предсказательную способность. Например, комплексный метод пакетного секвенирования, который одновременно измеряет опухолевые и иммунные характеристики, превосходит одну аналитическую переменную. Эти результаты подчеркивают необходимость более комплексного моделирования эффективности ICI, включая включение результатов оценки иммунного потенциала хозяина, внутренних характеристик опухоли и иммунных компонентов опухоли у отдельных пациентов, чтобы лучше предсказать, какие пациенты будут реагировать на иммунотерапию.

Учитывая сложность учета факторов опухоли и хозяина в исследованиях биомаркеров, а также потенциальную необходимость продольной интеграции характеристик иммунного микроокружения, биомаркеры начали изучать с помощью компьютерного моделирования и машинного обучения. В настоящее время в этой области достигнуты некоторые новаторские научные достижения, указывающие на будущее персонализированной онкологии с использованием машинного обучения.

Проблемы, с которыми сталкиваются биомаркеры на основе тканей

Ограничения аналитических методов. Некоторые значимые биомаркеры эффективны при определённых типах опухолей, но не обязательно при других. Хотя характеристики генов, специфичных для опухолей, обладают более высокой предсказательной способностью, чем TMB и другие, их нельзя использовать для диагностики всех опухолей. В исследовании, посвящённом пациентам с НМРЛ, было обнаружено, что характеристики генных мутаций более точно предсказывают эффективность ICI, чем высокие значения TMB (≥ 10), но более чем у половины пациентов не удалось обнаружить характеристики генных мутаций.

Гетерогенность опухоли. Метод тканевых биомаркеров предполагает отбор проб только из одного участка опухоли, что означает, что оценка отдельных участков опухоли может неточно отражать общую экспрессию всех опухолей у пациента. Например, исследования выявили гетерогенность экспрессии PD-L1 между опухолями и внутри них, и аналогичные проблемы существуют с другими тканевыми маркерами.

Ввиду сложности биологических систем многие ранее использовавшиеся тканевые биомаркеры могли быть чрезмерно упрощены. Кроме того, клетки в микроокружении опухоли (МКО) обычно подвижны, поэтому взаимодействия, отображаемые при пространственном анализе, могут не отражать истинные взаимодействия между опухолевыми и иммунными клетками. Даже если биомаркеры идеально отражают всё опухолевое окружение в определённый момент времени, эти мишени всё равно могут быть индуцированы и динамически меняться с течением времени, что указывает на то, что единичный снимок в определённый момент времени может не отражать динамические изменения.

Гетерогенность пациентов. Даже при выявлении известных генетических изменений, связанных с резистентностью к ICI, некоторые пациенты с известными биомаркерами резистентности могут получить пользу от терапии ICI, возможно, из-за молекулярной и/или иммунной гетерогенности внутри опухоли и в разных её участках. Например, дефицит β2-микроглобулина (B2M) может указывать на новую или приобретенную лекарственную резистентность, но из-за гетерогенности дефицита B2M у разных пациентов и внутри опухолей, а также взаимодействия механизмов замещения иммунного распознавания у этих пациентов, дефицит B2M не может быть строгим предиктором индивидуальной лекарственной резистентности. Следовательно, несмотря на наличие дефицита B2M, терапия ICI может принести пользу пациентам.

Организационные продольные биомаркеры
Экспрессия биомаркеров может меняться с течением времени и под влиянием лечения. Статические и однократные оценки опухолей и иммунобиологических показателей могут не учитывать эти изменения, а также изменения в общей массе опухоли и уровне иммунного ответа хозяина. Многочисленные исследования показали, что забор образцов до и во время лечения позволяет более точно определить изменения, связанные с лечением ИКИ. Это подчеркивает важность динамической оценки биомаркеров.

Биомаркеры на основе крови
Преимущество анализа крови заключается в его способности биологически оценивать все отдельные опухолевые очаги, отражая усредненные показания, а не показания по конкретным участкам, что делает его особенно подходящим для оценки динамических изменений, связанных с лечением. Многочисленные результаты исследований показали, что использование циркулирующей опухолевой ДНК (цДНК) или циркулирующих опухолевых клеток (ЦОК) для оценки минимальной остаточной болезни (МОБ) может определять решения по лечению, но эти тесты дают ограниченную информацию о том, могут ли пациенты получить пользу от иммунотерапии, такой как ИЦИ. Поэтому тестирование цДНК необходимо комбинировать с другими методами для измерения иммунной активации или иммунного потенциала хозяина. В этом отношении был достигнут прогресс в иммунофенотипировании мононуклеарных клеток периферической крови (МНПК) и протеомном анализе внеклеточных везикул и плазмы. Например, подтипы периферических иммунных клеток (такие как Т-клетки CD8+), высокая экспрессия молекул иммунных контрольных точек (например, PD1 на периферических Т-клетках CD8+) и повышенные уровни различных белков в плазме (таких как CXCL8, CXCL10, IL-6, IL-10, PRAP1 и VEGFA) могут служить эффективным дополнением к динамическим ко-биомаркерам ctDNA. Преимущество этих новых методов заключается в том, что они позволяют оценить изменения в опухоли (аналогичные изменениям, выявляемым с помощью ctDNA), а также выявить изменения в иммунной системе пациента.

Радиомика
Прогностические факторы, связанные с данными изображений, позволяют эффективно преодолеть ограничения, связанные с отбором проб и биопсией тканевых биомаркеров, и позволяют наблюдать всю опухоль и возможные другие метастатические очаги в любой момент времени. Таким образом, в будущем они могут стать важной частью неинвазивных динамических биомаркеров. Дельта-радиомика позволяет количественно рассчитывать изменения множественных характеристик опухоли (таких как размер опухоли) в различные моменты времени, например, до и после лечения ICI, во время лечения и при последующем наблюдении. Дельта-радиомика позволяет не только прогнозировать начальный ответ или его отсутствие на раннее лечение, но и выявлять приобретенную резистентность к ICI в режиме реального времени и отслеживать любые рецидивы после полной ремиссии. Модель визуализации, разработанная с использованием технологий машинного обучения, даже превосходит традиционный стандарт RECIST в прогнозировании ответа на лечение и возможных побочных эффектов. Современные исследования показывают, что эти радиомические модели имеют площадь под кривой (AUC) до 0,8–0,92 при прогнозировании ответа на иммунотерапию.

Еще одним преимуществом радиомики является ее способность точно выявлять псевдопрогрессию. Радиомиктическая модель, созданная с помощью машинного обучения, позволяет эффективно различать истинную и ложную прогрессию, повторно измеряя данные КТ или ПЭТ для каждой опухоли, включая такие факторы, как форма, интенсивность и текстура, с AUC 0,79. Эти радиомикологические модели могут быть использованы в будущем для предотвращения преждевременного прекращения лечения из-за неверной оценки прогрессирования заболевания.

Кишечная микробиота
Ожидается, что биомаркеры кишечной микробиоты будут предсказывать терапевтический ответ на ИКИ. Многочисленные исследования показали, что определённая кишечная микробиота тесно связана с ответом различных видов рака на лечение ИКИ. Например, у пациентов с меланомой и раком печени обилие бактерий семейства Ruminococcaceae связано с ответом на иммунотерапию PD-1. Обогащение Akkermansia muciniphila часто встречается у пациентов с раком печени, лёгких или почечноклеточным раком, которые хорошо отвечают на лечение ИКИ.

Кроме того, новая модель машинного обучения может быть независимой от типа опухоли и связывать конкретные роды кишечных бактерий с терапевтическим ответом на иммунотерапию. Другие исследования также выявили специфическую роль отдельных групп бактерий в регуляции иммунной системы хозяина, углубляя изучение способов предотвращения или стимулирования ускользания раковых клеток от иммунного ответа.

Неоадъювантная терапия
Динамическая оценка биологии опухоли может определять последующие стратегии клинического лечения. Исследование неоадъювантной терапии позволяет оценить терапевтический эффект по патологической ремиссии в хирургических образцах. При лечении меланомы первичный патологический ответ (ППО) связан с безрецидивной выживаемостью. В исследовании PRADO исследователи определяют последующие меры клинического вмешательства, такие как хирургическое вмешательство и/или адъювантная терапия, на основе данных о патологической ремиссии у конкретного пациента.

Среди различных типов рака несколько новых вариантов адъювантной терапии все еще не имеют прямого сравнения. Поэтому выбор между монотерапией иммунотерапией или комбинированной терапией часто решается совместно лечащим врачом и пациентом. В настоящее время исследователи разработали признак интерферона гамма (ИФН гамма), содержащий 10 генов, в качестве биомаркера для прогнозирования патологической ремиссии при меланоме после неоадъювантной терапии. Они также интегрировали эти признаки в алгоритм для отбора пациентов с сильным или слабым ответом на неоадъювантную терапию. В последующем исследовании под названием DONIMI исследователи использовали этот показатель в сочетании с более сложным анализом не только для прогнозирования ответа на лечение, но и для определения того, каким пациентам с меланомой III стадии требуется добавление ингибиторов гистондеацетилазы (HDACi) для улучшения ответа на неоадъювантное лечение ICI.

Модель опухоли, полученная от пациентов
Модели опухолей in vitro обладают потенциалом для прогнозирования специфичных для пациента реакций. В отличие от платформы in vitro, используемой для анализа спектра лекарственного ответа при гематологических злокачественных новообразованиях, солидные опухоли сталкиваются с большими трудностями из-за уникальной микроструктуры опухоли и взаимодействия опухоли с иммунной системой. Простая культура опухолевых клеток не может легко воспроизвести эти сложные особенности. В этом случае опухолеподобные органы или чипы органов, полученные от пациентов, могут компенсировать эти структурные ограничения, поскольку они способны сохранять исходную структуру опухолевых клеток и имитировать взаимодействие с лимфоидными и миелоидными иммунными клетками для оценки реакций ICI с учетом особенностей пациента, тем самым более точно воспроизводя биологические особенности в более реалистичной трехмерной среде.

Эта новая высокоточная трёхмерная модель опухоли in vitro была использована в нескольких прорывных исследованиях в Китае и США. Результаты показывают, что эти модели способны эффективно прогнозировать реакцию рака лёгкого, толстой кишки, молочной железы, меланомы и других опухолей на ICI. Это закладывает основу для дальнейшей проверки и стандартизации предсказательной эффективности этих моделей.