Nachricht

Die Immuntherapie hat die Behandlung bösartiger Tumore revolutioniert, doch es gibt immer noch Patienten, die nicht davon profitieren. Daher werden in klinischen Anwendungen dringend geeignete Biomarker benötigt, um die Wirksamkeit der Immuntherapie vorherzusagen und so die Wirksamkeit zu maximieren und unnötige Toxizität zu vermeiden.

Von der FDA zugelassene Biomarker

PD-L1-Expression. Die Auswertung des PD-L1-Expressionsniveaus mittels Immunhistochemie (IHC) ergibt den Tumor Proportion Score (TPS), der den Prozentsatz teilweise oder vollständig membrangefärbter Tumorzellen beliebiger Intensität an den überlebenden Tumorzellen angibt. In klinischen Studien dient dieser Test als zusätzlicher diagnostischer Test für die Behandlung von fortgeschrittenem nicht-kleinzelligem Lungenkrebs (NSCLC) mit Pembrolizumab. Wenn der TPS der Probe ≥ 1 % beträgt, wird von einer PD-L1-Expression ausgegangen; TPS ≥ 50 % weist auf eine hohe PD-L1-Expression hin. In der ersten Phase-1-Studie (KEYNOTE-001) lag die Ansprechrate der Patienten in der Untergruppe mit PD-L1 TPS > 50 % unter Pembrolizumab bei 45,2 %, während die Ansprechrate aller Patienten, die diese Behandlung mit Immun-Checkpoint-Inhibitoren (ICI) erhielten, unabhängig vom TPS 19,4 % betrug. In der anschließenden Phase-2/3-Studie (KEYNOTE-024) wurden Patienten mit einem PD-L1-TPS von > 50 % nach dem Zufallsprinzip einer Behandlung mit Pembrolizumab und einer Standard-Chemotherapie zugewiesen. Die Ergebnisse zeigten eine signifikante Verbesserung des Gesamtüberlebens (OS) bei Patienten, die eine Behandlung mit Pembrolizumab erhielten.

Die Anwendung von PD-L1 zur Vorhersage der ICI-Reaktion wird jedoch durch verschiedene Faktoren eingeschränkt. Erstens ist der optimale Schwellenwert je nach Krebsart unterschiedlich. Beispielsweise kann Pabolizumab eingesetzt werden, wenn die PD-L1-Expression im Tumor von Patienten mit Magenkrebs, Speiseröhrenkrebs, Blasenkrebs und Lungenkrebs 1 %, 10 % bzw. 50 % beträgt. Zweitens variiert die Bewertung der Zellpopulation der PD-L1-Expression je nach Krebsart. Beispielsweise kann für die Behandlung von rezidivierendem oder metastasiertem Plattenepithelkarzinom des Kopfes und Halses ein anderes, von der FDA zugelassenes Testverfahren, der Comprehensive Positive Score (CPS), verwendet werden. Drittens besteht nahezu keine Korrelation zwischen der PD-L1-Expression bei verschiedenen Krebsarten und der ICI-Reaktion, was darauf hindeutet, dass der Tumorhintergrund ein Schlüsselfaktor bei der Vorhersage von ICI-Biomarkern sein könnte. Beispielsweise beträgt der negative Vorhersagewert der PD-L1-Expression bei Melanomen gemäß den Ergebnissen des CheckMate-067-Tests nur 45 %. Schließlich haben mehrere Studien ergeben, dass die PD-L1-Expression bei verschiedenen Tumorläsionen eines Patienten inkonsistent ist, selbst innerhalb desselben Tumors. Zusammenfassend lässt sich sagen, dass erste klinische Studien mit NSCLC zwar die Forschung zur PD-L1-Expression als möglichem prädiktiven Biomarker anregten, ihr klinischer Nutzen bei verschiedenen Krebsarten jedoch weiterhin unklar bleibt.

Tumormutationslast. Die Tumormutationslast (TMB) wird als alternativer Indikator für die Tumorimmunogenität verwendet. Laut den Ergebnissen der klinischen Studie KEYNOTE-158 wiesen Patienten mit mindestens 10 Mutationen pro Megabase (hoher TMB) unter den zehn mit Pembrolizumab behandelten Arten fortgeschrittener solider Tumoren eine höhere Ansprechrate auf als Patienten mit niedriger TMB. Bemerkenswert ist, dass TMB in dieser Studie ein Prädiktor für das progressionsfreie Überleben (PFS) war, jedoch nicht für das Gesamtüberleben (OS).

Die Reaktion auf eine Immuntherapie wird hauptsächlich durch die Erkennung neuer Antigene durch T-Zellen gesteuert. Die mit einem höheren TMB verbundene Immunogenität hängt auch von verschiedenen Faktoren ab, einschließlich des vom Tumor präsentierten Tumor-Neoantigens; Das Immunsystem erkennt Tumor-Neoantigene; Die Fähigkeit des Wirts, antigenspezifische Reaktionen einzuleiten. Daten deuten beispielsweise darauf hin, dass Tumoren mit der höchsten Infiltration einiger Immunzellen tatsächlich eine hemmende regulatorische T-Zell-(Treg)-Klonamplifikation aufweisen können. Darüber hinaus kann sich der TMB-Bereich vom Potenzial der TMB-Neoantigene unterscheiden, da auch der genaue Ort der Mutation eine bedeutende Rolle spielt; Mutationen, die unterschiedliche Wege der Antigenpräsentation vermitteln, können die Präsentation (oder Nichtpräsentation) neuer Antigene für das Immunsystem beeinflussen, was darauf hindeutet, dass tumorintrinsische und immunologische Eigenschaften konsistent sein müssen, um optimale ICI-Reaktionen hervorzurufen.

Derzeit wird TMB durch Next-Generation-Sequenzierung (NGS) gemessen, die je nach Institution (intern) oder verwendeter kommerzieller Plattform variieren kann. NGS umfasst die vollständige Exomsequenzierung (WES), die vollständige Genomsequenzierung und die gezielte Sequenzierung, die aus Tumorgewebe und zirkulierender Tumor-DNA (ctDNA) gewonnen werden kann. Es ist erwähnenswert, dass unterschiedliche Tumorarten ein weites Spektrum an TMB aufweisen, wobei immunogene Tumoren wie Melanom, NSCLC und Plattenepithelkarzinom die höchsten TMB-Werte haben. Ebenso haben Nachweismethoden, die für unterschiedliche Tumorarten entwickelt wurden, unterschiedliche Definitionen von TMB-Schwellenwerten. Bei der Untersuchung von NSCLC, Melanom, Urothelkarzinom und kleinzelligem Lungenkrebs verwenden diese Nachweismethoden unterschiedliche Analysemethoden (wie WES oder PCR-Nachweis für eine bestimmte Anzahl verwandter Gene) und Schwellenwerte (TMB hoch oder TMB niedrig).

Mikrosatelliten sind hochgradig instabil. Als pankrebsartiger Biomarker für die ICI-Reaktion zeigt hochgradig instabile Mikrosatelliten (MSI-H) eine hervorragende Leistung bei der Vorhersage der ICI-Wirksamkeit bei verschiedenen Krebsarten. MSI-H ist das Ergebnis von Mismatch-Reparaturdefekten (dMMR), die zu einer hohen Mutationsrate führen, insbesondere in Mikrosatellitenregionen, was die Produktion einer großen Zahl neuer Antigene zur Folge hat und schließlich eine klonale Immunantwort auslöst. Aufgrund der hohen Mutationslast durch dMMR können MSI-H-Tumoren als eine Art Tumor mit hoher Mutationslast (TMB) betrachtet werden. Basierend auf den Ergebnissen der klinischen Studien KEYNOTE-164 und KEYNOTE-158 hat die FDA Pembrolizumab zur Behandlung von MSI-H- oder dMMR-Tumoren zugelassen. Dies ist eines der ersten pankrebsartigen Medikamente, das von der FDA auf tumorbiologischer und nicht auf histologischer Grundlage zugelassen wurde.

Trotz erheblicher Erfolge sind bei der Verwendung des MSI-Status auch einige Aspekte zu beachten. So sprechen beispielsweise bis zu 50 % der Patienten mit kolorektalem Karzinom (dMMR) nicht auf die ICI-Behandlung an, was die Bedeutung anderer Faktoren für die Vorhersage des Ansprechens unterstreicht. Auch andere intrinsische Tumormerkmale, die mit aktuellen Nachweisplattformen nicht ausgewertet werden können, können dazu beitragen. So gibt es beispielsweise Berichte über Patienten mit Mutationen in Genen, die wichtige katalytische Untereinheiten der Polymerase delta (POLD) oder Polymerase ε (POLE) in der DNA-Region kodieren, eine mangelnde Replikationstreue und einen „Supermutations“-Phänotyp in ihren Tumoren. Einige dieser Tumoren weisen eine deutlich erhöhte Mikrosatelliteninstabilität auf (und gehören somit zu MSI-H), es fehlen jedoch weiterhin Mismatch-Reparaturproteine ​​(und sind daher kein dMMR-Tumor).

Ähnlich wie TMB wird auch MSI-H durch neue Antigentypen beeinflusst, die durch Mikrosatelliteninstabilität, die Erkennung neuer Antigentypen durch den Wirt und die Reaktion des Immunsystems des Wirtes entstehen. Selbst bei Tumoren vom Typ MSI-H wurde eine große Anzahl von Einzelnukleotidmutationen als Passagiermutationen (keine Treibermutationen) identifiziert. Daher reicht es nicht aus, sich allein auf die Anzahl der im Tumor identifizierten Mikrosatelliten zu verlassen; der tatsächliche Mutationstyp (identifiziert durch spezifische Mutationsprofile) kann die Vorhersagekraft dieses Biomarkers verbessern. Darüber hinaus weist nur ein kleiner Teil der Krebspatienten MSI-H-Tumoren auf, was auf den aktuellen Bedarf an breiter anwendbaren Biomarkern hinweist. Daher bleibt die Identifizierung anderer wirksamer Biomarker zur Vorhersage der Wirksamkeit und Steuerung der Patientenbehandlung ein wichtiges Forschungsgebiet.

Organisationsbasierte Biomarkerforschung

Da der Wirkmechanismus von ICI darin besteht, die Unterdrückung von Immunzellen umzukehren, anstatt direkt auf die intrinsischen Signalwege von Tumorzellen einzuwirken, sollte sich die weitere Forschung auf die systematische Analyse des Tumorwachstumsumfelds und der Interaktion zwischen Tumor- und Immunzellen konzentrieren, um die Faktoren aufzuklären, die die ICI-Reaktion beeinflussen. Viele Forschungsgruppen haben Tumor- oder Immunmerkmale bestimmter Gewebetypen untersucht, wie z. B. Tumor- und Immungenmutationen, Defizite bei der Tumorantigenpräsentation oder multizelluläre Immunzentren oder -aggregate (wie tertiäre lymphatische Strukturen), die das Ansprechen auf eine Immuntherapie vorhersagen können.

Die Forscher nutzten NGS, um das Tumor- und Immunexom sowie das Transkriptom von Patientengewebe vor und nach der ICI-Behandlung zu sequenzieren, und führten eine räumliche Bildanalyse durch. Durch die Verwendung mehrerer integrierter Modelle, kombiniert mit Techniken wie Einzelzellsequenzierung und räumlicher Bildgebung oder Multi-Omics-Modellen, konnte die Vorhersagekraft der ICI-Behandlungsergebnisse verbessert werden. Darüber hinaus erwies sich eine umfassende Methode zur Auswertung von Tumor-Immunsignalen und intrinsischen Tumoreigenschaften als ebenfalls besser prädiktiv. So ist beispielsweise eine umfassende Batch-Sequenzierungsmethode, die gleichzeitig Tumor- und Immuneigenschaften misst, einer einzelnen analytischen Variable überlegen. Diese Ergebnisse unterstreichen die Notwendigkeit, die ICI-Wirksamkeit umfassender zu simulieren, einschließlich der Einbeziehung von Auswertungsergebnissen zur Immunkapazität des Wirts, zu intrinsischen Tumoreigenschaften und zu Tumor-Immunkomponenten bei einzelnen Patienten, um besser vorhersagen zu können, welche Patienten auf die Immuntherapie ansprechen.

Angesichts der Komplexität der Einbeziehung von Tumor- und Wirtsfaktoren in die Biomarkerforschung sowie des potenziellen Bedarfs an einer longitudinalen Integration von Merkmalen des Immunmikromilieus hat man begonnen, Biomarker mithilfe von Computermodellierung und maschinellem Lernen zu erforschen. Aktuell wurden auf diesem Gebiet einige bahnbrechende Forschungserfolge erzielt, die die Zukunft der personalisierten Onkologie mithilfe von maschinellem Lernen erahnen lassen.

Die Herausforderungen bei gewebebasierten Biomarkern

Einschränkungen analytischer Methoden. Einige aussagekräftige Biomarker zeigen bei bestimmten Tumorarten gute Ergebnisse, bei anderen jedoch nicht unbedingt. Obwohl tumorspezifische Genmerkmale eine höhere Vorhersagekraft haben als TMB und andere, können sie nicht für die Diagnose aller Tumoren verwendet werden. In einer Studie mit NSCLC-Patienten erwiesen sich Genmutationsmerkmale als aussagekräftiger für die Wirksamkeit von ICI als hohe TMB-Werte (≥ 10), allerdings konnten bei mehr als der Hälfte der Patienten keine Genmutationsmerkmale nachgewiesen werden.

Tumorheterogenität. Die gewebebasierte Biomarkermethode entnimmt nur Proben von einer einzigen Tumorstelle. Das bedeutet, dass die Auswertung spezifischer Tumorteile möglicherweise nicht die Gesamtexpression aller Tumoren im Patienten widerspiegelt. Studien haben beispielsweise eine Heterogenität der PD-L1-Expression zwischen und innerhalb von Tumoren festgestellt, und ähnliche Probleme bestehen bei anderen Gewebemarkern.

Aufgrund der Komplexität biologischer Systeme wurden viele bisher verwendete Gewebebiomarker möglicherweise zu stark vereinfacht. Zudem sind Zellen im Tumormikroumfeld (TME) in der Regel mobil, sodass die in der räumlichen Analyse dargestellten Interaktionen möglicherweise nicht die tatsächlichen Interaktionen zwischen Tumorzellen und Immunzellen widerspiegeln. Auch wenn Biomarker die gesamte Tumorumgebung zu einem bestimmten Zeitpunkt idealerweise abbilden können, können diese Ziele dennoch induziert werden und sich im Laufe der Zeit dynamisch verändern. Dies deutet darauf hin, dass eine einzelne Momentaufnahme zu einem bestimmten Zeitpunkt dynamische Veränderungen möglicherweise nicht gut abbildet.

Patientenheterogenität. Selbst wenn bekannte genetische Veränderungen im Zusammenhang mit ICI-Resistenz nachgewiesen werden, können einige Patienten mit bekannten Resistenzbiomarkern dennoch von der ICI-Therapie profitieren, möglicherweise aufgrund molekularer und/oder immunologischer Heterogenität innerhalb des Tumors und an verschiedenen Tumorstellen. Beispielsweise kann ein β2-Mikroglobulin (B2M)-Mangel auf eine neu aufgetretene oder erworbene Arzneimittelresistenz hinweisen. Aufgrund der Heterogenität des B2M-Mangels zwischen Individuen und innerhalb von Tumoren sowie der Interaktion von Immunerkennungs- und -ersatzmechanismen bei diesen Patienten lässt sich aus dem B2M-Mangel jedoch keine eindeutige Vorhersage für eine individuelle Arzneimittelresistenz ableiten. Daher können Patienten trotz B2M-Mangel von der ICI-Therapie profitieren.

Organisationsbasierte Längsschnitt-Biomarker
Die Expression von Biomarkern kann sich im Laufe der Zeit und durch die Auswirkungen der Behandlung verändern. Statische und einmalige Untersuchungen von Tumoren und Immunbiologie können diese Veränderungen übersehen, ebenso wie Veränderungen der Tumor-TME und der Immunantwort des Wirts. Mehrere Studien haben gezeigt, dass die Entnahme von Proben vor und während der Behandlung Veränderungen im Zusammenhang mit der ICI-Behandlung genauer identifizieren kann. Dies unterstreicht die Bedeutung einer dynamischen Biomarker-Beurteilung.

Blutbasierte Biomarker
Der Vorteil der Blutanalyse liegt in der Möglichkeit, alle einzelnen Tumorläsionen biologisch zu bewerten. Dabei werden Durchschnittswerte statt Messwerte spezifischer Stellen wiedergegeben. Dadurch eignet sie sich besonders für die Beurteilung dynamischer behandlungsbedingter Veränderungen. Zahlreiche Forschungsergebnisse haben gezeigt, dass die Verwendung zirkulierender Tumor-DNA (ctDNA) oder zirkulierender Tumorzellen (CTC) zur Bewertung der minimalen Resterkrankung (MRD) Behandlungsentscheidungen leiten kann. Diese Tests liefern jedoch nur begrenzte Informationen zur Vorhersage, ob Patienten von Immuntherapien wie ICI profitieren können. Daher muss der ctDNA-Test mit anderen Methoden kombiniert werden, um die Immunaktivierung oder die Immunkapazität des Wirts zu messen. In dieser Hinsicht wurden Fortschritte bei der Immunphänotypisierung peripherer mononukleärer Blutzellen (PBMCs) und der proteomischen Analyse extrazellulärer Vesikel und von Plasma erzielt. Beispielsweise können periphere Immunzellsubtypen (wie CD8+T-Zellen), eine hohe Expression von Immun-Checkpoint-Molekülen (wie PD1 auf peripheren CD8+T-Zellen) und erhöhte Konzentrationen verschiedener Proteine ​​im Plasma (wie CXCL8, CXCL10, IL-6, IL-10, PRAP1 und VEGFA) als wirksame Ergänzungen zu dynamischen ctDNA-Co-Biomarkern dienen. Der Vorteil dieser neuen Methoden besteht darin, dass sie Veränderungen innerhalb des Tumors (ähnlich den durch ctDNA erkannten Veränderungen) bewerten und möglicherweise auch Veränderungen im Immunsystem des Patienten aufdecken können.

Radiomics
Die prädiktiven Faktoren der Bilddaten können die Einschränkungen der Gewebeentnahme und Biopsie von Biomarkern wirksam überwinden und den gesamten Tumor sowie mögliche weitere Metastasen zu jedem Zeitpunkt beobachten. Sie könnten daher in Zukunft ein wichtiger Bestandteil nichtinvasiver dynamischer Biomarker werden. Delta-Radiomics kann die Veränderungen mehrerer Tumormerkmale (wie Tumorgröße) zu verschiedenen Zeitpunkten quantitativ berechnen, beispielsweise vor und nach der ICI-Behandlung, während der Behandlung und bei der anschließenden Nachuntersuchung. Delta-Radiomics kann nicht nur das anfängliche oder fehlende Ansprechen auf eine frühe Behandlung vorhersagen, sondern auch erworbene Resistenzen gegen ICI in Echtzeit erkennen und ein Wiederauftreten nach vollständiger Remission überwachen. Das mithilfe von maschinellem Lernen entwickelte Bildgebungsmodell ist bei der Vorhersage des Behandlungserfolgs und möglicher Nebenwirkungen sogar besser als der traditionelle RECIST-Standard. Aktuelle Forschungsergebnisse deuten darauf hin, dass diese Radiomics-Modelle bei der Vorhersage des Ansprechens auf eine Immuntherapie eine Fläche unter der Kurve (AUC) von bis zu 0,8 bis 0,92 aufweisen.

Ein weiterer Vorteil der Radiomics-Technologie ist die präzise Erkennung von Pseudoprogression. Das durch maschinelles Lernen erstellte Radiomics-Modell kann effektiv zwischen echter und falscher Progression unterscheiden, indem es CT- oder PET-Daten für jeden Tumor neu misst und dabei Faktoren wie Form, Intensität und Textur mit einer AUC von 0,79 berücksichtigt. Diese Radiomics-Modelle könnten künftig eingesetzt werden, um einen vorzeitigen Behandlungsabbruch aufgrund einer Fehleinschätzung des Krankheitsverlaufs zu vermeiden.

Darmmikrobiota
Die Biomarker der Darmmikrobiota sollen das therapeutische Ansprechen von ICI vorhersagen. Zahlreiche Studien haben gezeigt, dass eine spezifische Darmmikrobiota eng mit dem Ansprechen verschiedener Krebsarten auf die ICI-Behandlung zusammenhängt. Beispielsweise ist bei Patienten mit Melanomen und Leberkrebs die Häufigkeit von Ruminococcaceae-Bakterien mit dem Ansprechen auf eine PD-1-Immuntherapie assoziiert. Eine Anreicherung von Akkermansia muciniphila ist häufig bei Patienten mit Leberkrebs, Lungenkrebs oder Nierenzellkarzinom, die gut auf die ICI-Behandlung ansprechen.

Darüber hinaus ist das neue maschinelle Lernmodell unabhängig von Tumorarten und kann spezifische Darmbakteriengattungen mit der therapeutischen Reaktion der Immuntherapie in Verbindung bringen. Weitere Studien haben zudem die spezifische Rolle einzelner Bakteriengruppen bei der Regulierung des Immunsystems des Wirtes aufgedeckt und so weiter erforscht, wie sich die Immunflucht von Krebszellen verhindern oder fördern lässt.

Neoadjuvante Therapie
Die dynamische Auswertung der Tumorbiologie kann die nachfolgenden klinischen Behandlungsstrategien leiten. In der neoadjuvanten Therapiestudie kann der therapeutische Effekt anhand der pathologischen Remission in chirurgischen Proben bewertet werden. Bei der Behandlung von Melanomen ist die primäre pathologische Reaktion (MPR) mit einer rezidivfreien Überlebensrate verbunden. In der PRADO-Studie legen Forscher die nächsten klinischen Interventionsmaßnahmen, wie Operation und/oder adjuvante Therapie, basierend auf patientenspezifischen Daten zur pathologischen Remission fest.

Für mehrere neue adjuvante Therapieoptionen verschiedener Krebsarten gibt es noch immer keinen direkten Vergleich. Daher wird die Wahl zwischen einer Immuntherapie als Monotherapie oder einer Kombinationstherapie häufig gemeinsam vom behandelnden Arzt und dem Patienten getroffen. Forscher haben kürzlich ein Interferon-gamma-Merkmal (IFN-gamma) entwickelt, das zehn Gene enthält und als Biomarker zur Vorhersage einer pathologischen Remission bei Melanomen nach neoadjuvanter Therapie dient. Sie haben diese Merkmale anschließend in einen Algorithmus integriert, um Patienten mit starkem oder schwachem Ansprechen auf die neoadjuvante Therapie auszuwählen. In einer Folgestudie namens DONIMI verwendeten Forscher diesen Score in Kombination mit komplexeren Analysen nicht nur zur Vorhersage des Behandlungserfolgs, sondern auch um zu bestimmen, welche Melanompatienten im Stadium III zusätzliche Histon-Deacetylase-Inhibitoren (HDACi) benötigen, um das Ansprechen auf die neoadjuvante ICI-Behandlung zu verbessern.

Tumormodell abgeleitet von Patienten
In-vitro-Tumormodelle haben das Potenzial, patientenspezifische Reaktionen vorherzusagen. Im Gegensatz zur In-vitro-Plattform, die für die Analyse des Arzneimittelreaktionsspektrums bei hämatologischen Malignomen verwendet wird, stehen solide Tumoren aufgrund ihrer einzigartigen Tumormikrostruktur und Tumor-Immuninteraktionen vor größeren Herausforderungen. Einfache Tumorzellkulturen können diese komplexen Merkmale nicht ohne weiteres replizieren. In diesem Fall können tumorähnliche Organe oder Organchips von Patienten diese strukturellen Einschränkungen kompensieren, da sie die ursprüngliche Tumorzellstruktur bewahren und Interaktionen mit lymphatischen und myeloiden Immunzellen simulieren können, um ICI-Reaktionen patientenspezifisch zu bewerten und so biologische Merkmale in einer realistischeren dreidimensionalen Umgebung genauer zu reproduzieren.

Mehrere bahnbrechende Studien in China und den USA haben dieses neue hochpräzise dreidimensionale In-vitro-Tumormodell übernommen. Die Ergebnisse zeigen, dass diese Modelle die Reaktion von Lungenkrebs, Dickdarmkrebs, Brustkrebs, Melanomen und anderen Tumoren auf ICI effektiv vorhersagen können. Dies legt den Grundstein für die weitere Überprüfung und Standardisierung der Vorhersageleistung dieser Modelle.