Les agents d’immunothérapie qui inhibent les molécules PD1, PD-L1 ou CTLA-4 sont devenus largement utilisés en pratique clinique pour traiter le cancer du poumon non à petites cellules, ou NSCLC. Environ 20 % à 50 % des patients atteints d’un CPNPC avancé ont de fortes réponses à l’immunothérapie et présentent une survie prolongée, mais les patients restants ont souvent des réponses médiocres. Il est urgent d’identifier des biomarqueurs capables de prédire quels patients ne répondront pas au traitement afin d’éviter un traitement inutile et d’administrer à la place des médicaments potentiellement bénéfiques.
L’expression de PD-L1 mesurée dans la tumeur d’un patient est un biomarqueur courant qui est souvent utilisé pour déterminer les patients qui devraient être traités avec une thérapie anti-PD1/PD-L1. Cependant, plusieurs études ont montré que les patients peuvent être sensibles à ces agents même avec une faible expression de PD-L1. D’autres biomarqueurs similaires à base de tissus peuvent être d’un coût prohibitif ou nécessiter une qualité et une quantité adéquates de tissus dont l’approvisionnement peut être limité.
Dans un nouvel article publié dans Spectre du cancer du JNCI, les chercheurs du Moffitt Cancer Center décrivent un modèle de prédiction qu’ils ont créé qui comprend des informations calculées à partir d’images de tomodensitométrie qui peuvent identifier les patients qui ne sont pas susceptibles de répondre à l’immunothérapie.
Plutôt que d’analyser des biomarqueurs communs basés sur les tissus, tels que les modèles d’expression des protéines, l’équipe de recherche de Moffitt a évalué le potentiel d’utilisation des caractéristiques des tomodensitogrammes de prétraitement combinées à des données cliniques pour identifier les marqueurs associés aux résultats de l’immunothérapie.
Les caractéristiques quantitatives basées sur des images, ou radiomiques, reflètent la physiopathologie sous-jacente et l’hétérogénéité tumorale et présentent des avantages par rapport aux biomarqueurs basés sur les tissus, car elles peuvent être extraites rapidement à l’aide d’images médicales standard et capturer les données de l’ensemble de la tumeur plutôt que d’une petite partie de la tumeur qui est biopsiée et analysée. »
Matthew Schabath, Ph.D., membre associé, Département d’épidémiologie du cancer, Moffitt Cancer Center
Les chercheurs ont analysé les caractéristiques cliniques et les caractéristiques radiomiques de 180 patients atteints de CPNPC traités par anti-PD1/PD-L1 avec ou sans thérapie anti-CTLA-4. « Notre objectif était de créer un modèle parcimonieux, connu sous le nom de modèle simple avec le moins de variables et le plus grand pouvoir prédictif possible », a déclaré Bob Gillies, Ph.D., membre principal et président du Département de physiologie du cancer.
Ils ont constaté que parmi 16 caractéristiques cliniques considérées, les niveaux d’albumine sérique et le nombre de sites métastatiques d’un patient étaient significativement associés à la survie globale. Parmi les 213 caractéristiques radiomiques, la différence inverse de la matrice de cooccurrence des niveaux de gris (GLCM) était associée à la survie globale. L’analyse statistique et la modélisation des données ont révélé que ces caractéristiques étaient des paramètres appropriés pour l’inclusion dans le modèle, ce qui a résulté en quatre groupes divisés en fonction du risque de décès après immunothérapie : faible risque, risque modéré, risque élevé et risque très élevé.
Les chercheurs ont validé leur modèle dans deux populations de patients supplémentaires et ont confirmé que le groupe à très haut risque avait une survie globale extrêmement faible après immunothérapie, avec une survie globale à trois ans de 0%, tandis que le groupe à faible risque avait une survie globale à trois ans. d’environ 40 %. Ils ont également découvert que la caractéristique radiomique différence inverse GLCM était associée à l’expression du gène CAIX qui est impliqué dans l’hypoxie tumorale et régule la croissance tumorale et les métastases, ce qui fournit un support biologique pour la différence inverse GLCM en tant que biomarqueur potentiel. Étant donné que l’hypoxie, ou faible teneur en oxygène dans vos tissus, a des implications importantes pour tous les types de développement du cancer, ces résultats suggèrent que la différence inverse du GLCM peut être un prédicteur possible des réponses des patients à d’autres médicaments anticancéreux.
« Ces résultats suggèrent que les patients à très haut risque devraient soit éviter complètement l’immunothérapie, soit utiliser des traitements combinés initiaux susceptibles d’améliorer la réponse », a déclaré Schabath. « Nous espérons qu’avec des études plus approfondies, ce modèle pourra être utilisé pour changer la pratique clinique et permettre aux patients d’éviter les médicaments auxquels ils pourraient ne pas avoir de réponse. »
