Новая модель прогнозирования может идентифицировать пациентов с НМРЛ, которые вряд ли ответят на иммунотерапию

В клинической практике для лечения немелкоклеточного рака легкого (НМРЛ) широко применяются иммунотерапевтические препараты, которые ингибируют молекулы PD1, PD-L1 или CTLA-4. Около 20–50% пациентов с запущенным НМРЛ хорошо отвечают на иммунотерапию, и показатель выживаемости у них достаточно высокий. Однако у других больных часто наблюдается низкий уровень клинического ответа. Существует острая необходимость в идентификации биомаркеров, при помощи которых можно установить, какие пациенты не ответят на терапию, чтобы избежать ненужного лечения и вместо этого назначить потенциально эффективные препараты.

Экспрессия PD-L1, измеренная в опухоли пациента — биомаркер, который часто используется для отбора пациентов, которым следует назначать терапию анти-PD1/PD-L1. Однако результаты нескольких исследований продемонстрировали, что пациенты могут реагировать на эти препараты даже при низкой экспрессии PD-L1. Выявление других аналогичных тканевых биомаркеров может быть дорогостоящим или в соответствии с методикой исследования могут быть высокие требования к качеству и количеству ткани для анализа.

В новой статье, опубликованной в журнале Национального института рака (Journal of the National Cancer Institute — JNCI) «Cancer Spectrum», исследователи из Онкологического центра Моффитта (Moffitt Cancer Center) описывают созданную ими модель прогнозирования, которая включает информацию, рассчитанную на основе изображений компьютерной томографии. Эта модель позволяет идентифицировать пациентов, которые вряд ли ответят на иммунотерапию.

Вместо того, чтобы анализировать общие тканевые биомаркеры, такие как паттерны экспрессии белков, исследовательская группа Онкологического центра Моффитта оценила потенциал использования характеристик компьютерной томографии перед лечением в сочетании с клиническими данными для выявления маркеров, связанных с результатами иммунотерапии.

Мэтью Шабат, доктор философии (Matthew Schabath, Ph.D.), член-корреспондент отдела эпидемиологии рака Онкологического центра Моффитта, отмечает, что количественные характеристики на основе изображений, или радиомика, отражают лежащую в основе патофизиологию и неоднородность опухоли. Они имеют преимущества по сравнению с тканевыми биомаркерами, поскольку эти данные могут быть быстро получены с использованием стандартных медицинских изображений и собирать информацию о всей опухоли, а не о небольшой ее части, которая подвергается биопсии и анализу.

Исследователи проанализировали клинические характеристики и рентгенологические особенности 180 пациентов с НМРЛ, получавших анти-PD1/PD-L1 с терапией анти-CTLA-4 или без нее. По словам Боба Гиллиса, доктора философии (Bob Gillies, Ph.D.), старшего члена и председателя отделения физиологии рака, цель исследования заключалась в том, чтобы создать экономную модель. Эта  модель также известна как простая модель с наименьшим количеством переменных и максимально возможной прогнозируемой силой.

Было установлено, что среди 16 рассмотренных клинических особенностей уровни сывороточного альбумина и количество метастазов у пациента были значительно связаны с общей выживаемостью. Среди 213 радиологических признаков обратная разница в матрице сочетания уровней серого (Gray-Level Co-Occurrence Matrix — GLCM) коррелировала с общей выживаемостью. Статистический анализ и моделирование данных показали, что эти характеристики были подходящими параметрами для включения в модель, в результате чего были выделены четыре группы по критерию предполагаемого риска летального исхода после иммунотерапии: низкий, средний, высокий и очень высокий риск.

Исследователи подтвердили эффективность своей модели на 2 дополнительных популяциях пациентов. Установлено, что в группе очень высокого риска отмечали чрезвычайно низкую общую выживаемость после иммунотерапии с трехлетней общей выживаемостью 0%, в то время как группа низкого риска имела трехлетнюю общую выживаемость около 40%. Также исследователи установили, что радиомная характеристика GLCM была связана с экспрессией гена CAIX по принципу обратного соотношения, который участвует в гипоксии опухоли и регулирует рост и метастазирование опухоли, обеспечивая биологическую поддержку обратного соотношения GLCM в качестве потенциального биомаркера. Учитывая, что гипоксия или низкий уровень кислорода в тканях имеет важные последствия для всех типов развития рака, эти результаты предполагают, что обратное соотношение GLCM может быть возможным предиктором реакции пациента на другие противораковые препараты.

Эти результаты показывают, что пациенты с очень высоким риском должны либо полностью избегать иммунотерапии, либо использовать предварительные комбинированные методы лечения, которые могут дать лучший клинический ответ. Исследователи выражают надежду, что при дальнейших исследованиях эта модель может быть использована для изменения клинической практики и позволит пациентам избегать назначения препаратов, на которые они могут не реагировать.

По материалам www.news-medical.net