noticias

La inmunoterapia ha supuesto cambios revolucionarios en el tratamiento de los tumores malignos, pero aún hay pacientes que no pueden beneficiarse de ella. Por lo tanto, se necesitan con urgencia biomarcadores adecuados en aplicaciones clínicas para predecir la efectividad de la inmunoterapia, a fin de maximizar su eficacia y evitar toxicidades innecesarias.

Biomarcadores aprobados por la FDA

Expresión de PD-L1. La evaluación de los niveles de expresión de PD-L1 mediante inmunohistoquímica (IHQ) produce el puntaje de proporción tumoral (TPS), que es el porcentaje de células tumorales teñidas parcial o completamente de la membrana de cualquier intensidad en las células tumorales supervivientes. En ensayos clínicos, esta prueba sirve como prueba diagnóstica auxiliar para el tratamiento del cáncer de pulmón de células no pequeñas (CPCNP) avanzado con pembrolizumab. Si el TPS de la muestra es ≥ 1%, se considera expresión de PD-L1; un TPS ≥ 50% indica una alta expresión de PD-L1. En el ensayo inicial de fase 1 (KEYNOTE-001), la tasa de respuesta de los pacientes en el subgrupo PD-L1 TPS > 50% que usaron pembrolizumab fue del 45,2%, mientras que, independientemente del TPS, la tasa de respuesta de todos los pacientes que recibieron este tratamiento con inhibidores de puntos de control inmunitario (ICI) fue del 19,4%. El ensayo de fase 2/3 posterior (KEYNOTE-024) asignó aleatoriamente a pacientes con TPS PD-L1 > 50 % para recibir pembrolizumab y quimioterapia estándar, y los resultados mostraron una mejora significativa en la supervivencia general (SG) en los pacientes que recibieron tratamiento con pembrolizumab.

Sin embargo, la aplicación de PD-L1 para predecir la respuesta a la ICI está limitada por varios factores. En primer lugar, el umbral óptimo varía según el tipo de cáncer. Por ejemplo, Pabolizumab puede utilizarse cuando la expresión tumoral de PD-L1 en pacientes con cáncer gástrico, cáncer de esófago, cáncer de vejiga y cáncer de pulmón es del 1%, 10% y 50%, respectivamente. En segundo lugar, la evaluación de la expresión de PD-L1 en la población celular varía según el tipo de cáncer. Por ejemplo, en el tratamiento del carcinoma escamocelular recurrente o metastásico de cabeza y cuello se puede optar por utilizar otro método de prueba aprobado por la FDA, el Comprehensive Positive Score (CPS). En tercer lugar, prácticamente no existe correlación entre la expresión de PD-L1 en diversos tipos de cáncer y la respuesta a la ICI, lo que indica que el trasfondo tumoral puede ser un factor clave para predecir los biomarcadores de la ICI. Por ejemplo, según los resultados de la prueba CheckMate-067, el valor predictivo negativo de la expresión de PD-L1 en el melanoma es de tan solo el 45%. Finalmente, múltiples estudios han demostrado que la expresión de PD-L1 es inconsistente en diferentes lesiones tumorales de un mismo paciente, incluso dentro del mismo tumor. En resumen, si bien los ensayos clínicos iniciales en CPNM impulsaron la investigación sobre la expresión de PD-L1 como posible biomarcador predictivo, su utilidad clínica en diferentes tipos de cáncer aún no está clara.

Carga mutacional tumoral. La Carga Mutativa Tumoral (CMT) se ha utilizado como indicador alternativo de inmunogenicidad tumoral. Según los resultados del ensayo clínico KEYNOTE-158, entre los 10 tipos de tumores sólidos avanzados tratados con pembrolizumab, los pacientes con al menos 10 mutaciones por megabase (CMT alta) presentaron una mayor tasa de respuesta que aquellos con CMT baja. Cabe destacar que, en este estudio, la CMT fue un predictor de la SSP, pero no de la SG.

La respuesta a la terapia inmunitaria se ve impulsada principalmente por el reconocimiento de nuevos antígenos por parte de las células T. La inmunogenicidad asociada con una TMB más alta también depende de varios factores, entre ellos el neoantígeno tumoral presentado por el tumor; el sistema inmunitario reconoce los neoantígenos tumorales; la capacidad del huésped para iniciar respuestas específicas de antígeno. Por ejemplo, los datos sugieren que los tumores con la mayor infiltración de algunas células inmunitarias pueden, de hecho, tener una amplificación inhibitoria del clon de células T reguladoras (Treg). Además, el rango de TMB puede diferir del potencial de los neoantígenos de TMB, ya que el sitio exacto de la mutación también desempeña un papel significativo; las mutaciones que median diferentes vías de presentación de antígenos pueden afectar la presentación (o no presentación) de nuevos antígenos al sistema inmunitario, lo que indica que las características intrínsecas e inmunológicas del tumor deben ser consistentes para producir respuestas ICI óptimas.

En la actualidad, la TMB se mide mediante secuenciación de nueva generación (NGS), que puede variar entre diferentes instituciones (internamente) o plataformas comerciales utilizadas. La NGS incluye la secuenciación del exoma completo (WES), la secuenciación del genoma completo y la secuenciación dirigida, que se pueden obtener del tejido tumoral y del ADN tumoral circulante (ctDNA). Cabe destacar que los diferentes tipos de tumores tienen un amplio rango de TMB, y los tumores inmunogénicos como el melanoma, el CPCNP y el carcinoma de células escamosas tienen los niveles más altos de TMB. De manera similar, los métodos de detección diseñados para diferentes tipos de tumores tienen diferentes definiciones de valores umbral de TMB. En el estudio del CPCNP, el melanoma, el carcinoma urotelial y el cáncer de pulmón de células pequeñas, estos métodos de detección utilizan diferentes métodos analíticos (como la detección por WES o PCR para números específicos de genes relacionados) y umbrales (TMB alto o TMB bajo).

Los microsatélites son altamente inestables. El microsatélite altamente inestable (MSI-H), como biomarcador pan-cáncer para la respuesta a ICI, tiene un excelente desempeño en la predicción de la eficacia de ICI en varios tipos de cáncer. MSI-H es el resultado de defectos de reparación de desajustes (dMMR), lo que lleva a una alta tasa de mutación, especialmente en regiones de microsatélites, lo que resulta en la producción de una gran cantidad de nuevos antígenos y, en última instancia, desencadena una respuesta inmune clonal. Debido a la alta carga de mutación causada por dMMR, los tumores MSI-H pueden considerarse como un tipo de tumor de alta carga de mutación (TMB). Con base en los resultados de los ensayos clínicos de KEYNOTE-164 y KEYNOTE-158, la FDA ha aprobado pembrolizumab para el tratamiento de tumores MSI-H o dMMR. Este es uno de los primeros medicamentos pan-cáncer aprobados por la FDA impulsados ​​por la biología del tumor en lugar de la histología.

A pesar del éxito significativo, también hay cuestiones a tener en cuenta al utilizar el estado MSI. Por ejemplo, hasta el 50% de los pacientes con cáncer colorrectal dMMR no presentan respuesta al tratamiento ICI, lo que destaca la importancia de otras características para predecir la respuesta. Otras características intrínsecas de los tumores que no pueden evaluarse con las plataformas de detección actuales pueden ser factores contribuyentes. Por ejemplo, ha habido informes de que los pacientes con mutaciones en genes que codifican importantes subunidades catalíticas de la polimerasa delta (POLD) o la polimerasa ε (POLE) en la región del ADN carecen de fidelidad de replicación y exhiben un fenotipo de "supermutación" en sus tumores. Algunos de estos tumores han aumentado significativamente la inestabilidad de microsatélites (por lo tanto, pertenecen a MSI-H), pero las proteínas de reparación de desajustes no están ausentes (por lo tanto, no dMMR).

Además, similar a TMB, MSI-H también se ve afectado por los nuevos tipos de antígenos generados por la inestabilidad de microsatélites, el reconocimiento del huésped de nuevos tipos de antígenos y la respuesta del sistema inmunitario del huésped. Incluso en tumores de tipo MSI-H, se ha identificado un gran número de mutaciones de un solo nucleótido como mutaciones pasajeras (mutaciones no conductoras). Por lo tanto, confiar únicamente en el número de microsatélites identificados en el tumor no es suficiente; el tipo real de mutación (identificado a través de perfiles de mutación específicos) puede mejorar el rendimiento predictivo de este biomarcador. Además, solo una pequeña proporción de pacientes con cáncer pertenecen a tumores MSI-H, lo que indica la necesidad actual de biomarcadores de aplicación más amplia. Por lo tanto, la identificación de otros biomarcadores eficaces para predecir la eficacia y guiar el manejo del paciente sigue siendo un área de investigación importante.

Investigación de biomarcadores basada en la organización

Dado que el mecanismo de acción de los ICI consiste en revertir la supresión de las células inmunitarias, en lugar de actuar directamente sobre las vías intrínsecas de las células tumorales, la investigación futura debería centrarse en el análisis sistemático del entorno de crecimiento tumoral y la interacción entre las células tumorales y las células inmunitarias, lo cual podría ayudar a dilucidar los factores que afectan la respuesta a los ICI. Numerosos grupos de investigación han estudiado las características tumorales o inmunitarias de tipos de tejido específicos, como las características de mutación de genes tumorales e inmunitarios, los déficits en la presentación de antígenos tumorales o los centros o agregados inmunitarios multicelulares (como las estructuras linfoides terciarias), que pueden predecir la respuesta a la inmunoterapia.

Los investigadores utilizaron NGS para secuenciar el exoma y el transcriptoma tumoral e inmunitario de los tejidos de los pacientes antes y después del tratamiento con ICI, y realizaron análisis de imágenes espaciales. Mediante el uso de múltiples modelos integrados, combinados con técnicas como la secuenciación unicelular y la imagen espacial, o modelos multiómicos, se ha mejorado la capacidad predictiva de los resultados del tratamiento con ICI. Además, un método integral para evaluar las señales inmunitarias tumorales y las características intrínsecas del tumor también ha demostrado una mayor capacidad predictiva. Por ejemplo, un método integral de secuenciación por lotes que mide simultáneamente las características tumorales e inmunitarias es superior a una única variable analítica. Estos resultados resaltan la necesidad de simular la eficacia de la ICI de una manera más integral, incluyendo la incorporación de los resultados de la evaluación de la capacidad inmunitaria del huésped, las características intrínsecas del tumor y los componentes inmunitarios del tumor en pacientes individuales para predecir mejor qué pacientes responderán a la inmunoterapia.

Dada la complejidad de incorporar factores tumorales y del huésped en la investigación de biomarcadores, así como la posible necesidad de integración longitudinal de las características del microambiente inmunitario, se ha comenzado a explorar biomarcadores mediante modelado informático y aprendizaje automático. Actualmente, se han logrado avances científicos innovadores en este campo, lo que indica el futuro de la oncología personalizada asistida por aprendizaje automático.

Los desafíos que enfrentan los biomarcadores basados ​​en tejidos

Limitaciones de los métodos analíticos. Algunos biomarcadores significativos funcionan bien en ciertos tipos de tumores, pero no necesariamente en otros. Si bien las características genéticas específicas de cada tumor tienen una mayor capacidad predictiva que la TMB y otras, no pueden utilizarse para el diagnóstico de todos los tumores. En un estudio dirigido a pacientes con CPNM, se observó que las características de mutación genética eran más predictivas de la eficacia de la ICI que una TMB alta (≥ 10), pero más de la mitad de los pacientes no pudieron detectar las características de mutación genética.

Heterogeneidad tumoral. El método de biomarcadores tisulares solo toma muestras de una única localización tumoral, lo que significa que la evaluación de partes específicas del tumor podría no reflejar con precisión la expresión general de todos los tumores en el paciente. Por ejemplo, estudios han encontrado heterogeneidad en la expresión de PD-L1 entre tumores y dentro de ellos, y existen problemas similares con otros marcadores tisulares.

Debido a la complejidad de los sistemas biológicos, muchos biomarcadores tisulares utilizados anteriormente podrían haber sido simplificados excesivamente. Además, las células del microambiente tumoral (EMT) suelen ser móviles, por lo que las interacciones mostradas en el análisis espacial podrían no representar las interacciones reales entre las células tumorales y las células inmunitarias. Aunque los biomarcadores pueden representar idealmente todo el entorno tumoral en un momento específico, estos objetivos pueden ser inducidos y cambiar dinámicamente con el tiempo, lo que indica que una sola instantánea en un momento dado podría no representar adecuadamente los cambios dinámicos.

Heterogeneidad del paciente. Incluso si se detectan cambios genéticos conocidos relacionados con la resistencia a los ICI, algunos pacientes portadores de biomarcadores de resistencia conocidos podrían beneficiarse, posiblemente debido a la heterogeneidad molecular o inmunitaria dentro del tumor y en diferentes localizaciones tumorales. Por ejemplo, la deficiencia de β2-microglobulina (B2M) puede indicar resistencia farmacológica nueva o adquirida, pero debido a la heterogeneidad de la deficiencia de B2M entre individuos y dentro de los tumores, así como a la interacción de los mecanismos de reemplazo del reconocimiento inmunitario en estos pacientes, la deficiencia de B2M podría no predecir con precisión la resistencia farmacológica individual. Por lo tanto, a pesar de la presencia de deficiencia de B2M, los pacientes podrían beneficiarse del tratamiento con ICI.

Biomarcadores longitudinales basados ​​en la organización
La expresión de biomarcadores puede cambiar con el tiempo y con el impacto del tratamiento. Las evaluaciones estáticas e individuales de tumores e inmunobiología pueden pasar por alto estos cambios, así como los cambios en la EMT tumoral y los niveles de respuesta inmunitaria del huésped. Múltiples estudios han demostrado que la obtención de muestras antes y durante el tratamiento puede identificar con mayor precisión los cambios relacionados con el tratamiento con ICI. Esto resalta la importancia de la evaluación dinámica de biomarcadores.

Biomarcadores basados ​​en la sangre
La ventaja del análisis de sangre reside en su capacidad para evaluar biológicamente todas las lesiones tumorales individuales, reflejando lecturas promedio en lugar de lecturas de sitios específicos, lo que lo hace especialmente adecuado para evaluar cambios dinámicos relacionados con el tratamiento. Numerosos resultados de investigación han demostrado que el uso de ADN tumoral circulante (ADNtc) o células tumorales circulantes (CTC) para evaluar la enfermedad mínima residual (ERM) puede orientar las decisiones de tratamiento; sin embargo, estas pruebas ofrecen información limitada para predecir si los pacientes pueden beneficiarse de inmunoterapias como la ICI. Por lo tanto, las pruebas de ADNtc deben combinarse con otros métodos para medir la activación inmunitaria o la capacidad inmunitaria del huésped. En este sentido, se han logrado avances en la inmunofenotipificación de células mononucleares de sangre periférica (CMSP) y en el análisis proteómico de vesículas extracelulares y plasma. Por ejemplo, los subtipos de células inmunitarias periféricas (como las células T CD8+), la alta expresión de moléculas de puntos de control inmunitario (como PD1 en las células T CD8+ periféricas) y los niveles elevados de diversas proteínas plasmáticas (como CXCL8, CXCL10, IL-6, IL-10, PRAP1 y VEGFA) podrían complementar eficazmente los cobiomarcadores dinámicos de ADNct. La ventaja de estos nuevos métodos es que permiten evaluar cambios dentro del tumor (similares a los detectados por el ADNct) y también revelar cambios en el sistema inmunitario del paciente.

Radiómica
Los factores predictivos de los datos de imagen pueden superar eficazmente las limitaciones del muestreo y la biopsia de biomarcadores tisulares, y pueden observar el tumor completo y otros posibles sitios metastásicos en cualquier momento. Por lo tanto, pueden convertirse en una parte importante de los biomarcadores dinámicos no invasivos en el futuro. La radiómica delta puede calcular cuantitativamente los cambios en múltiples características tumorales (como el tamaño del tumor) en diferentes momentos, como antes y después del tratamiento con ICI, durante el tratamiento y el seguimiento posterior. La radiómica delta no solo puede predecir la respuesta inicial o la ausencia de respuesta al tratamiento temprano, sino también identificar la resistencia adquirida a ICI en tiempo real y monitorear cualquier recurrencia después de la remisión completa. El modelo de imagen desarrollado mediante tecnología de aprendizaje automático es incluso mejor que el estándar RECIST tradicional en la predicción de la respuesta al tratamiento y los posibles eventos adversos. La investigación actual indica que estos modelos radiómicos tienen un área bajo la curva (AUC) de hasta 0,8 a 0,92 en la predicción de la respuesta a la terapia inmunológica.

Otra ventaja de la radiómica es su capacidad para identificar con precisión la pseudoprogresión. El modelo radiómico, construido mediante aprendizaje automático, puede distinguir eficazmente entre progresión verdadera y falsa al volver a medir los datos de TC o PET de cada tumor, incluyendo factores como la forma, la intensidad y la textura, con un AUC de 0,79. Estos modelos radiómicos podrían utilizarse en el futuro para evitar la interrupción prematura del tratamiento debido a una evaluación errónea de la progresión de la enfermedad.

Microbiota intestinal
Se espera que los biomarcadores de la microbiota intestinal predigan la respuesta terapéutica a los ICI. Numerosos estudios han demostrado que una microbiota intestinal específica está estrechamente relacionada con la respuesta de diversos tipos de cáncer al tratamiento con ICI. Por ejemplo, en pacientes con melanoma y cáncer de hígado, la abundancia de bacterias Ruminococcaceae se asocia con la respuesta a la inmunoterapia PD-1. El enriquecimiento de Akkermansia muciniphila es común en pacientes con cáncer de hígado, cáncer de pulmón o carcinoma de células renales, que responden bien al tratamiento con ICI.

Además, el nuevo modelo de aprendizaje automático puede ser independiente del tipo de tumor y asociar géneros bacterianos intestinales específicos con la respuesta terapéutica de la inmunoterapia. Otros estudios también han revelado el papel específico que desempeñan los grupos bacterianos individuales en la regulación del sistema inmunitario del huésped, explorando a fondo cómo prevenir o promover la evasión inmunitaria de las células cancerosas.

Terapia neoadyuvante
La evaluación dinámica de la biología tumoral puede orientar las estrategias de tratamiento clínico posteriores. El ensayo de terapia neoadyuvante permite evaluar el efecto terapéutico mediante la remisión patológica en muestras quirúrgicas. En el tratamiento del melanoma, la respuesta patológica primaria (RPP) se asocia con la tasa de supervivencia libre de recurrencia. En el ensayo PRADO, los investigadores determinan las siguientes medidas de intervención clínica, como la cirugía o la terapia adyuvante, basándose en los datos de remisión patológica específicos del paciente.

Entre los diversos tipos de cáncer, varias nuevas opciones de terapia adyuvante aún carecen de una comparación directa. Por lo tanto, la elección entre la monoterapia o la terapia combinada de inmunoterapia a menudo se decide conjuntamente por el médico tratante y el paciente. Actualmente, los investigadores han desarrollado una característica del interferón gamma (IFN gamma) que contiene 10 genes como un biomarcador para predecir la remisión patológica en el melanoma después de la terapia neoadyuvante. Además, integraron estas características en un algoritmo para seleccionar pacientes con respuestas fuertes o débiles a la terapia neoadyuvante. En un estudio de seguimiento llamado DONIMI, los investigadores utilizaron esta puntuación, combinada con un análisis más complejo, no solo para predecir la respuesta al tratamiento, sino también para determinar qué pacientes con melanoma en estadio III requieren la adición de inhibidores de la histona deacetilasa (HDACi) para mejorar la respuesta al tratamiento neoadyuvante con ICI.

Modelo tumoral derivado de pacientes
Los modelos tumorales in vitro tienen el potencial de predecir las respuestas específicas del paciente. A diferencia de la plataforma in vitro utilizada para el análisis del espectro de respuesta a fármacos en neoplasias hematológicas, los tumores sólidos se enfrentan a mayores desafíos debido a su microestructura tumoral única y a las interacciones inmunitarias tumorales. Un simple cultivo de células tumorales no puede replicar fácilmente estas características complejas. En este caso, los órganos tumorales o los chips de órganos provenientes de pacientes pueden compensar estas limitaciones estructurales, ya que pueden preservar la estructura celular tumoral original y simular las interacciones con las células inmunitarias linfoides y mieloides para evaluar las respuestas ICI de forma específica para cada paciente, reproduciendo así con mayor precisión las características biológicas en un entorno tridimensional más realista.

Varios estudios innovadores en China y Estados Unidos han adoptado este nuevo modelo tumoral tridimensional in vitro de alta fidelidad. Los resultados demuestran que estos modelos pueden predecir eficazmente la respuesta del cáncer de pulmón, colon, mama, melanoma y otros tumores a la ICI. Esto sienta las bases para una mayor verificación y estandarización del rendimiento predictivo de estos modelos.