notícias

A imunoterapia trouxe mudanças revolucionárias ao tratamento de tumores malignos, mas ainda existem alguns pacientes que não podem se beneficiar. Portanto, biomarcadores apropriados são urgentemente necessários em aplicações clínicas para prever a eficácia da imunoterapia, a fim de maximizar a eficácia e evitar toxicidade desnecessária.

Biomarcadores aprovados pela FDA

Expressão de PD-L1. A avaliação dos níveis de expressão de PD-L1 por imuno-histoquímica (IHQ) produz o escore de proporção tumoral (TPS), que é a porcentagem de células tumorais parcial ou completamente coradas pela membrana, de qualquer intensidade, em células tumorais sobreviventes. Em ensaios clínicos, este teste serve como um teste diagnóstico auxiliar para o tratamento de câncer de pulmão de células não pequenas (NSCLC) avançado com pembrolizumabe. Se o TPS da amostra for ≥ 1%, a expressão de PD-L1 é considerada; TPS ≥ 50% indica alta expressão de PD-L1. No ensaio inicial de Fase 1 (KEYNOTE-001), a taxa de resposta dos pacientes no subgrupo PD-L1 TPS>50% usando pembrolizumabe foi de 45,2%, enquanto, independentemente do TPS, a taxa de resposta de todos os pacientes que receberam este tratamento com inibidor do ponto de controle imunológico (ICI) foi de 19,4%. O estudo subsequente de fase 2/3 (KEYNOTE-024) designou aleatoriamente pacientes com PD-L1 TPS>50% para receber pembrolizumabe e quimioterapia padrão, e os resultados mostraram uma melhora significativa na sobrevida global (SG) em pacientes que receberam tratamento com pembrolizumabe.

No entanto, a aplicação de PD-L1 na predição de respostas de ICI é limitada por vários fatores. Primeiro, o limiar ideal para diferentes tipos de câncer varia. Por exemplo, o Pabolizumabe pode ser usado quando a expressão tumoral de PD-L1 em ​​pacientes com câncer gástrico, câncer de esôfago, câncer de bexiga e câncer de pulmão é de 1%, 10% e 50%, respectivamente. Em segundo lugar, a avaliação da população celular da expressão de PD-L1 varia dependendo do tipo de câncer. Por exemplo, o tratamento de carcinoma espinocelular recorrente ou metastático de cabeça e pescoço pode optar por usar outro método de teste aprovado pela FDA, o Comprehensive Positive Score (CPS). Terceiro, quase não há correlação entre a expressão de PD-L1 em ​​vários tipos de câncer e a resposta de ICI, indicando que o histórico tumoral pode ser um fator-chave na predição de biomarcadores de ICI. Por exemplo, de acordo com os resultados do teste CheckMate-067, o valor preditivo negativo da expressão de PD-L1 no melanoma é de apenas 45%. Por fim, diversos estudos constataram que a expressão de PD-L1 é inconsistente em diferentes lesões tumorais em um único paciente, mesmo dentro do mesmo tumor. Em resumo, embora os ensaios clínicos iniciais com CPNPC tenham motivado pesquisas sobre a expressão de PD-L1 como um possível biomarcador preditivo, sua utilidade clínica em diferentes tipos de câncer permanece incerta.

Carga de mutação tumoral. A Carga de Mutação Tumoral (TMB) tem sido utilizada como um indicador alternativo da imunogenicidade tumoral. De acordo com os resultados do ensaio clínico KEYNOTE-158, entre os 10 tipos de tumores sólidos avançados tratados com pembrolizumabe, pacientes com pelo menos 10 mutações por megabase (TMB alta) apresentaram uma taxa de resposta maior do que aqueles com TMB baixa. Vale ressaltar que, neste estudo, a TMB foi um preditor de SLP, mas não foi capaz de prever a sobrevida global.

A resposta à terapia imune é impulsionada principalmente pelo reconhecimento de novos antígenos pelas células T. A imunogenicidade associada a um TMB mais alto também depende de vários fatores, incluindo o neoantígeno tumoral apresentado pelo tumor; o sistema imunológico reconhece os neoantígenos tumorais; a capacidade do hospedeiro de iniciar respostas específicas ao antígeno. Por exemplo, dados sugerem que tumores com a maior infiltração de algumas células imunes podem, na verdade, ter amplificação inibitória de clones de células T reguladoras (Treg). Além disso, a gama de TMB pode diferir do potencial dos neoantígenos de TMB, já que o local exato da mutação também desempenha um papel significativo; mutações que medeiam diferentes vias de apresentação de antígenos podem afetar a apresentação (ou não apresentação) de novos antígenos ao sistema imunológico, indicando que as características intrínsecas e imunológicas do tumor devem ser consistentes para produzir respostas ICI ideais.

Atualmente, o TMB é medido por meio de sequenciamento de última geração (NGS), que pode variar entre diferentes instituições (internamente) ou plataformas comerciais utilizadas. O NGS inclui sequenciamento completo do exoma (WES), sequenciamento completo do genoma e sequenciamento direcionado, que pode ser obtido a partir de tecido tumoral e DNA tumoral circulante (ctDNA). Vale ressaltar que diferentes tipos de tumores apresentam uma ampla gama de TMB, com tumores imunogênicos, como melanoma, CPNPC e carcinoma de células escamosas, apresentando os maiores níveis de TMB. Da mesma forma, métodos de detecção projetados para diferentes tipos de tumores têm diferentes definições de valores limite de TMB. No estudo de CPNPC, melanoma, carcinoma urotelial e câncer de pulmão de pequenas células, esses métodos de detecção utilizam diferentes métodos analíticos (como detecção por WES ou PCR para números específicos de genes relacionados) e limites (TMB alto ou TMB baixo).

Os microssatélites são altamente instáveis. O microssatélite altamente instável (MSI-H), como um biomarcador de câncer pan para resposta à ICI, tem excelente desempenho na previsão da eficácia da ICI em vários tipos de câncer. O MSI-H é resultado de defeitos de reparo de incompatibilidade (dMMR), levando a uma alta taxa de mutação, especialmente em regiões de microssatélites, resultando na produção de um grande número de novos antígenos e, finalmente, desencadeando uma resposta imune clonal. Devido à alta carga de mutação causada pelo dMMR, os tumores MSI-H podem ser considerados um tipo de tumor de alta carga de mutação (TMB). Com base nos resultados dos ensaios clínicos KEYNOTE-164 e KEYNOTE-158, o FDA aprovou o pembrolizumabe para o tratamento de tumores MSI-H ou dMMR. Este é um dos primeiros medicamentos para câncer pan aprovados pelo FDA com base na biologia do tumor em vez da histologia.

Apesar do sucesso significativo, também há questões a serem consideradas ao usar o status MSI. Por exemplo, até 50% dos pacientes com câncer colorretal dMMR não apresentam resposta ao tratamento com ICI, destacando a importância de outras características na previsão da resposta. Outras características intrínsecas dos tumores que não podem ser avaliadas pelas plataformas de detecção atuais podem ser fatores contribuintes. Por exemplo, houve relatos de que pacientes com mutações em genes que codificam importantes subunidades catalíticas da polimerase delta (POLD) ou da polimerase ε (POLE) na região do DNA não apresentam fidelidade de replicação e exibem um fenótipo de "supermutação" em seus tumores. Alguns desses tumores apresentam instabilidade de microssatélites significativamente aumentada (pertencentes, portanto, ao MSI-H), mas não faltam proteínas de reparo de incompatibilidade (portanto, não são dMMR).

Além disso, semelhante ao TMB, o MSI-H também é afetado pelos novos tipos de antígenos gerados pela instabilidade de microssatélites, reconhecimento de novos tipos de antígenos pelo hospedeiro e resposta do sistema imunológico do hospedeiro. Mesmo em tumores do tipo MSI-H, um grande número de mutações de nucleotídeo único foi identificado como mutações passageiras (mutações não condutoras). Portanto, confiar apenas no número de microssatélites identificados no tumor não é suficiente; o tipo real de mutação (identificado por meio de perfis de mutação específicos) pode melhorar o desempenho preditivo deste biomarcador. Além disso, apenas uma pequena proporção de pacientes com câncer pertence a tumores MSI-H, indicando a necessidade atual de biomarcadores mais amplamente aplicáveis. Portanto, identificar outros biomarcadores eficazes para prever a eficácia e orientar o tratamento do paciente continua sendo uma importante área de pesquisa.

Pesquisa de biomarcadores baseada em organização

Considerando que o mecanismo de ação dos ICI é reverter a supressão das células imunes, em vez de atingir diretamente as vias intrínsecas das células tumorais, pesquisas futuras devem se concentrar na análise sistemática do ambiente de crescimento tumoral e da interação entre células tumorais e células imunes, o que pode ajudar a elucidar os fatores que afetam a resposta aos ICI. Muitos grupos de pesquisa estudaram características tumorais ou imunológicas de tipos específicos de tecido, como características de mutação de genes tumorais e imunes, déficits na apresentação de antígenos tumorais ou centros ou agregados imunológicos multicelulares (como estruturas linfoides terciárias), que podem predizer respostas à imunoterapia.

Pesquisadores utilizaram NGS para sequenciar o tumor e o exoma e transcriptoma imunes de tecidos de pacientes antes e depois do tratamento com ICI, e conduziram análises de imagens espaciais. Ao utilizar múltiplos modelos integrados, combinados com técnicas como sequenciamento de célula única e imagens espaciais, ou modelos multiômicos, a capacidade preditiva dos resultados do tratamento com ICI foi aprimorada. Além disso, um método abrangente para avaliar os sinais imunológicos tumorais e as características intrínsecas do tumor também demonstrou maior capacidade preditiva. Por exemplo, um método abrangente de sequenciamento em lote que mede simultaneamente as características tumorais e imunológicas é superior a uma única variável analítica. Esses resultados destacam a necessidade de simular a eficácia da ICI de forma mais abrangente, incluindo a incorporação dos resultados da avaliação da capacidade imunológica do hospedeiro, das características intrínsecas do tumor e dos componentes imunológicos do tumor em pacientes individuais para melhor prever quais pacientes responderão à imunoterapia.

Dada a complexidade da incorporação de fatores tumorais e do hospedeiro na pesquisa de biomarcadores, bem como a potencial necessidade de integração longitudinal das características do microambiente imunológico, biomarcadores têm sido explorados por meio de modelagem computacional e aprendizado de máquina. Atualmente, algumas conquistas inovadoras em pesquisa surgiram nessa área, indicando o futuro da oncologia personalizada assistida por aprendizado de máquina.

Os desafios enfrentados pelos biomarcadores baseados em tecidos

Limitações dos métodos analíticos. Alguns biomarcadores significativos apresentam bom desempenho em certos tipos de tumores, mas não necessariamente em outros. Embora características genéticas específicas do tumor tenham maior capacidade preditiva do que TMB e outros, elas não podem ser usadas para o diagnóstico de todos os tumores. Em um estudo direcionado a pacientes com CPNPC, as características de mutação genética foram consideradas mais preditivas da eficácia do ICI do que TMB alto (≥ 10), mas mais da metade dos pacientes não conseguiu detectar características de mutação genética.

Heterogeneidade tumoral. O método de biomarcador baseado em tecido coleta amostras apenas de um único sítio tumoral, o que significa que a avaliação de partes específicas do tumor pode não refletir com precisão a expressão geral de todos os tumores do paciente. Por exemplo, estudos encontraram heterogeneidade na expressão de PD-L1 entre e dentro dos tumores, e problemas semelhantes existem com outros marcadores teciduais.

Devido à complexidade dos sistemas biológicos, muitos biomarcadores teciduais utilizados anteriormente podem ter sido simplificados demais. Além disso, as células no microambiente tumoral (TME) são geralmente móveis, de modo que as interações exibidas na análise espacial podem não representar as verdadeiras interações entre células tumorais e células imunes. Mesmo que os biomarcadores possam representar idealmente todo o ambiente tumoral em um ponto específico no tempo, esses alvos ainda podem ser induzidos e mudar dinamicamente ao longo do tempo, indicando que um único instantâneo em um ponto no tempo pode não representar bem as mudanças dinâmicas.

Heterogeneidade do paciente. Mesmo que alterações genéticas conhecidas relacionadas à resistência à ICI sejam detectadas, alguns pacientes portadores de biomarcadores de resistência conhecidos ainda podem se beneficiar, possivelmente devido à heterogeneidade molecular e/ou imunológica dentro do tumor e em diferentes locais tumorais. Por exemplo, a deficiência de β 2-microglobulina (B2M) pode indicar resistência a medicamentos nova ou adquirida, mas devido à heterogeneidade da deficiência de B2M entre indivíduos e dentro dos tumores, bem como à interação dos mecanismos de substituição do reconhecimento imunológico nesses pacientes, a deficiência de B2M pode não ser um forte preditor da resistência individual aos medicamentos. Portanto, apesar da presença de deficiência de B2M, os pacientes ainda podem se beneficiar da terapia com ICI.

Biomarcadores longitudinais baseados em organização
A expressão de biomarcadores pode mudar ao longo do tempo e com o impacto do tratamento. Avaliações estáticas e isoladas de tumores e imunobiologia podem ignorar essas alterações, e alterações na TME do tumor e nos níveis de resposta imune do hospedeiro também podem ser ignoradas. Diversos estudos demonstraram que a obtenção de amostras antes e durante o tratamento pode identificar com mais precisão as alterações relacionadas ao tratamento com ICI. Isso destaca a importância da avaliação dinâmica de biomarcadores.

Biomarcadores baseados no sangue
A vantagem da análise sanguínea reside em sua capacidade de avaliar biologicamente todas as lesões tumorais individuais, refletindo leituras médias em vez de leituras de locais específicos, tornando-a particularmente adequada para avaliar alterações dinâmicas relacionadas ao tratamento. Numerosos resultados de pesquisa demonstraram que o uso de DNA tumoral circulante (ctDNA) ou células tumorais circulantes (CTC) para avaliar a doença residual mínima (DRM) pode orientar as decisões de tratamento, mas esses testes têm informações limitadas sobre como prever se os pacientes podem se beneficiar de imunoterapias como a ICI. Portanto, o teste de ctDNA precisa ser combinado com outros métodos para medir a ativação imunológica ou a capacidade imunológica do hospedeiro. Nesse sentido, houve progresso na imunofenotipagem de células mononucleares do sangue periférico (PBMCs) e na análise proteômica de vesículas extracelulares e plasma. Por exemplo, subtipos de células imunes periféricas (como células T CD8+), alta expressão de moléculas de ponto de controle imunológico (como PD1 em células T CD8+ periféricas) e níveis elevados de várias proteínas no plasma (como CXCL8, CXCL10, IL-6, IL-10, PRAP1 e VEGFA) podem servir como suplementos eficazes aos biomarcadores dinâmicos de ctDNA. A vantagem desses novos métodos é que eles podem avaliar alterações no tumor (semelhantes às alterações detectadas pelo ctDNA) e também podem revelar alterações no sistema imunológico do paciente.

Radiômica
Os fatores preditivos dos dados de imagem podem superar efetivamente as limitações da amostragem e biópsia de biomarcadores teciduais, e podem observar todo o tumor e possíveis outros locais metastáticos a qualquer momento. Portanto, eles podem se tornar uma parte importante dos biomarcadores dinâmicos não invasivos no futuro. A radiômica delta pode calcular quantitativamente as alterações em múltiplas características tumorais (como o tamanho do tumor) em diferentes momentos, como antes e depois do tratamento com ICI, durante o tratamento e no acompanhamento subsequente. A radiômica delta pode não apenas prever a resposta inicial ou nenhuma resposta ao tratamento precoce, mas também identificar a resistência adquirida à ICI em tempo real e monitorar qualquer recorrência após a remissão completa. O modelo de imagem desenvolvido por meio da tecnologia de aprendizado de máquina é ainda melhor do que o padrão RECIST tradicional na previsão da resposta ao tratamento e possíveis eventos adversos. Pesquisas atuais indicam que esses modelos radiômicos têm uma área sob a curva (AUC) de até 0,8 a 0,92 na previsão da resposta à imunoterapia.

Outra vantagem da radiômica é sua capacidade de identificar com precisão a pseudoprogressão. O modelo radiômico construído por meio de aprendizado de máquina pode distinguir efetivamente entre progressão verdadeira e falsa, remedindo dados de TC ou PET para cada tumor, incluindo fatores como forma, intensidade e textura, com uma AUC de 0,79. Esses modelos radiômicos podem ser usados ​​no futuro para evitar a interrupção prematura do tratamento devido a erros de avaliação da progressão da doença.

Microbiota intestinal
Espera-se que os biomarcadores da microbiota intestinal prevejam a resposta terapêutica da ICI. Numerosos estudos demonstraram que uma microbiota intestinal específica está intimamente relacionada à resposta de vários tipos de câncer ao tratamento com ICI. Por exemplo, em pacientes com melanoma e câncer de fígado, a abundância de bactérias Ruminococcaceae está associada à resposta à imunoterapia PD-1. O enriquecimento com Akkermansia muciniphila é comum em pacientes com câncer de fígado, câncer de pulmão ou carcinoma de células renais, que respondem bem ao tratamento com ICI.

Além disso, o novo modelo de aprendizado de máquina pode ser independente dos tipos de tumor e associar gêneros bacterianos intestinais específicos à resposta terapêutica da imunoterapia. Outros estudos também revelaram o papel específico que grupos bacterianos individuais desempenham na regulação do sistema imunológico do hospedeiro, explorando ainda mais como prevenir ou promover a fuga imunológica de células cancerígenas.

Terapia neoadjuvante
A avaliação dinâmica da biologia tumoral pode orientar estratégias subsequentes de tratamento clínico. O ensaio de terapia neoadjuvante pode avaliar o efeito terapêutico por meio da remissão patológica em espécimes cirúrgicos. No tratamento do melanoma, a resposta patológica primária (RPP) está associada à taxa de sobrevida livre de recidiva. No ensaio PRADO, os pesquisadores determinam as próximas medidas de intervenção clínica, como cirurgia e/ou terapia adjuvante, com base em dados de remissão patológica específicos do paciente.

Entre os vários tipos de câncer, várias novas opções de terapia adjuvante ainda carecem de comparação direta. Portanto, a escolha entre monoterapia de imunoterapia ou terapia combinada é frequentemente decidida em conjunto pelo médico assistente e pelo paciente. Atualmente, pesquisadores desenvolveram uma característica do interferon gama (IFN gama) contendo 10 genes como um biomarcador para prever a remissão patológica no melanoma após terapia neoadjuvante. Eles integraram ainda mais essas características em um algoritmo para selecionar pacientes com respostas fortes ou fracas à terapia neoadjuvante. Em um estudo de acompanhamento chamado DONIMI, os pesquisadores usaram essa pontuação, combinada com análises mais complexas, não apenas para prever a resposta ao tratamento, mas também para determinar quais pacientes com melanoma em estágio III requerem a adição de inibidores da histona desacetilase (HDACi) para aumentar a resposta ao tratamento neoadjuvante com ICI.

Modelo tumoral derivado de pacientes
Modelos tumorais in vitro têm o potencial de prever respostas específicas do paciente. Diferentemente da plataforma in vitro utilizada para análise do espectro de resposta a medicamentos em neoplasias hematológicas, tumores sólidos enfrentam desafios maiores devido à sua microestrutura tumoral única e às interações imunológicas tumorais. Culturas simples de células tumorais não conseguem replicar facilmente essas características complexas. Nesse caso, órgãos semelhantes a tumores ou chips de órgãos originários de pacientes podem compensar essas limitações estruturais, pois preservam a estrutura original da célula tumoral e simulam interações com células imunes linfoides e mieloides para avaliar as respostas da ICI de maneira específica para o paciente, reproduzindo, assim, características biológicas com mais precisão em um ambiente tridimensional mais realista.

Vários estudos inovadores na China e nos Estados Unidos adotaram este novo modelo tumoral tridimensional in vitro de alta fidelidade. Os resultados mostram que esses modelos podem prever com eficácia a resposta de câncer de pulmão, câncer de cólon, câncer de mama, melanoma e outros tumores à ICI. Isso estabelece a base para futuras verificações e padronizações do desempenho preditivo desses modelos.