Wann wirkt der Checkpoint-Hemmer?

Autor: Josef Gulden

Drei Faktoren sorgen für 80 % der Variabilität beim Ansprechen. © ustas – stock.adobe.com

Die PD1-/PD-L1-Inhibition ruft bei vielen Tumoren ein gutes Ansprechen hervor. Jedoch variiert dieses stark von Patient zu Patient. Ein Team von Onkologen hat nun ein Prädiktionsmodell erarbeitet, mit dem sich 80 % der Variabilität erklären lassen.

Welche prädiktiven Faktoren am besten angewendet werden sollten, um die Wirkung von PD1- oder PD-L1-Hemmern bei verschiedenen Tumorentitäten vorherzusagen, ist noch nicht restlos geklärt. Als Kriterium für die Zulassung solcher Präparate wird bisher nur die PD-L1-Expression im Tumorgewebe angewendet. Darüber hinaus erscheint die Tumormutationslast vielversprechend.

Infiltration mit Immunzellen wohl besonders wichtig

Amerikanische und koreanische Kollegen nutzten nun einen „Multiomics“-Ansatz, um das Ansprechen auf diese Checkpoint-Inhibitoren vorherzusagen. Dazu verwendeten sie Daten aus dem Cancer Genome Atlas. Mehr als 7000 Patienten mit den verschiedensten Tumoren waren in die Studie eingeschlossen.

Die Daten wurden im Hinblick auf Tumormutationslast und PD-L1-Expression überprüft. Zudem werteten die Wissenschaftler die Tumorinfiltration mit Immunzellen aus. Diese Parameter wurden dann mit den Ansprechraten aus Studien an 21 Krebstypen korreliert.

Daraus ließ sich ein Modell mit drei Variablen ableiten, die besonders gut das Ansprechen vorhersagen können:

  • die Infiltration des Tumors mit CD8+ T-Lymphozyten (R* 0,72; p < 0,0002),
  • die Tumormutationslast (R 0,68; p < 0,0006) und
  • die PD-L1-Expression (R 0,68; p < 0,0007).

Die Kombination aller drei Faktoren konnte bis zu 81 % der Varianz beim Ansprechen über verschiedene Tumortypen hinweg erklären (R 0,90; p < 0,0001).

Die Aussagekraft solcher Analysen kann noch verbessert werden, so die Autoren, wenn man nicht am Gesamttumor gewonnene Daten verwendet. Stattdessen sollte man komplexere Interaktionen berücksichtigen, die von verschiedenen Zelltypen im Tumorgewebe ausgehen, v.a. des Microenvironments.

* Spearman-Korrelationskoeffizient

Quelle: Lee JS, Ruppin E. JAMA Oncol 2019; 5: 1614-1618; DOI: 10.1001/jamaoncol.2019.2311