Metastasierter Brustkrebs: Computergestütztes Tool zur Vorhersage von Immuntherapie-Ergebnissen entwickelt

US-Forscher haben mithilfe von Computern eine Methode entwickelt, um zu beurteilen, welche Patienten mit metastasierendem triple-negativem Brustkrebs von einer Immuntherapie profitieren könnten.

Die Studie der Forscher des Johns Hopkins Kimmel Cancer Center, USA, und der Johns Hopkins University School of Medicine, USA, wurde in der Fachzeitschrift „Proceedings of the National Academy of Sciences“ veröffentlicht.

„Leider sind die vorhandenen prädiktiven Biomarker bei der Identifizierung von Patienten, die von einer Immuntherapie profitieren werden, nur begrenzt genau“, sagt Prof. Aleksander Popel von der Johns Hopkins University. „Außerdem würde eine groß angelegte Bewertung von Merkmalen, die das Ansprechen auf die Behandlung vorhersagen, die Entnahme von Tumorbiopsien und Blutproben von vielen Patienten erfordern und die Durchführung mehrerer Tests voraussetzen, was eine große Herausforderung darstellt“, fügt er hinzu.

Verlauf der Studie

Daher setzte das Team ein mathematisches Modell ein, die quantitative Systempharmakologie, um 1635 virtuelle Patientinnen mit metastasiertem, triple-negativem Brustkrebs zu konstruieren und Behandlungssimulationen mit dem Immuntherapeutikum Pembrolizumab durchzuführen. Anschließend gaben sie diese Daten in leistungsstarke Berechnungswerkzeuge ein, einschließlich statistischer und auf maschinellem Lernen basierender Ansätze, um nach Biomarkern zu suchen, die das Ansprechen auf die Behandlung genau vorhersagen. Sie konzentrierten sich darauf, herauszufinden, welche Patienten auf die Behandlung ansprechen würden und welche nicht. Anhand der teilweise synthetischen Daten, die im Rahmen der virtuellen klinischen Studie erzeugt wurden, bewerteten die Forscher die Leistung von 90 Biomarkern allein sowie in Doppel-, Dreifach- und Vierfachkombinationen.

Forschung an Tumorbiopsien oder Blutproben

Sie fanden heraus, dass Messungen aus Tumorbiopsien oder Blutproben, die vor Beginn der Behandlung entnommen wurden, so genannte Vorbehandlungs-Biomarker, nur begrenzt in der Lage waren, die Behandlungsergebnisse vorherzusagen. Messungen von Patienten, die nach Beginn der Behandlung vorgenommen wurden, so genannte On-Treatment-Biomarker, waren dagegen besser geeignet, den Erfolg vorherzusagen. Überraschenderweise stellten sie auch fest, dass einige häufig verwendete Biomarker-Messungen, wie die Expression eines Moleküls namens PD-L1 und das Vorhandensein von Lymphozyten im Tumor, eine bessere Leistung erbrachten, wenn sie vor Beginn der Behandlung gemessen wurden, als nach Beginn der Behandlung.

Die Forscher untersuchten auch die Genauigkeit von Messungen, die keine invasiven Biopsien erfordern, wie z. B. die Anzahl der Immunzellen im Blut, bei der Vorhersage von Behandlungsergebnissen. Sie fanden heraus, dass einige blutbasierte Biomarker bei der Identifizierung einer Untergruppe von Patienten, die auf die Behandlung ansprechen, vergleichbar gut abschneiden wie tumor- oder lymphknotenbasierte Biomarker. Dies könnte auf eine weniger invasive Methode zur Vorhersage des Ansprechens hindeuten.

Messungen von Veränderungen des Tumordurchmessers können leicht durch CT-Scans durchgeführt werden und könnten sich ebenfalls als prädiktiv erweisen, so Popel: „Diese Messung, die sehr früh innerhalb von zwei Wochen nach Behandlungsbeginn erfolgt, hat ein großes Potenzial, die Patienten zu identifizieren, die auf die Behandlung ansprechen würden, wenn diese fortgesetzt würde.“

Um die Ergebnisse zu validieren, führten die Forscher eine virtuelle klinische Studie mit Patienten durch, die anhand der Veränderung des Tumordurchmessers zwei Wochen nach Behandlungsbeginn ausgewählt wurden. „Die simulierten Ansprechraten stiegen um mehr als das Zweifache – von 11 auf 25 Prozent – was ziemlich bemerkenswert ist“, sagt Theinmozhi Arulraj vom Johns Hopkins Kimmel Cancer Center. „Dies unterstreicht das Potenzial von nicht-invasiven Biomarkern als Alternative in Fällen, in denen die Entnahme von Tumorbiopsieproben nicht möglich ist“, ergänzt er.

„Prädiktive Biomarker sind von entscheidender Bedeutung, wenn wir optimierte Strategien für triple-negativen Brustkrebs entwickeln, um eine Überbehandlung von Patientinnen zu vermeiden, von denen erwartet wird, dass sie ohne Immuntherapie gut abschneiden, und eine Unterbehandlung von Patientinnen, die nicht gut auf eine Immuntherapie ansprechen“, kommentiert Studien-Koautor Prof. Cesar Santa-Maria vom Johns Hopkins Kimmel Cancer Center abschließend.