中国临床肿瘤学会（CSCO）于 2022 年 7 月 1 日至 2 日在济南召开中国临床肿瘤学年度进展研讨会（BOC）暨 Best of ASCO 2022 China 会议。
本文邀请武汉大学人民医院 李娟娟教授针对 ASCO 大会公布的 I- SPY2 研究进行深入的介绍与解读。
ASCO 大会官网于 5 月 27 日公布了 I- SPY2 研究的相关临床研究的成果，同日， Denise Wolf 教授团队于 Cancer Cell 上发表了题为 Redefining breast cancer subtypes to guide treatment prioritization and maximize response: predictive biomarkers across 10 cancer therapies 的论著。
本研究通过整合分析在 I-SPY2 平台中接受 10 种不同的分子靶向治疗方案的 990 例患者的多组学数据（转录组学和蛋白组学）及临床治疗反应的数据，探索最佳的预测生物标志物组合，构建符合现代治疗策略的反应预测亚型（response predictive subtypes， RPS）模式，从而最大程度提升病人的获益。
（图源：Cancer Cell）
研究意义
乳腺癌是全球女性最常见的恶性肿瘤，病死率也较高，严重威胁着女性健康。乳腺癌的新型药物的研发突飞猛进，许多新型的分子靶向药物快速转化到临床应用，实现临床实践的精准化个体化治疗，可以为病人带来更显著的获益。
临床实践中，基于全身治疗和局部治疗的导向，越来越多的高危病人接受了新辅助治疗，新辅助治疗后达到病理完全缓解 (pCR) 的患者具有更好的生存预后。
I-SPY2 试验平台是一项针对高风险早期乳腺癌的持续多中心、II 期新辅助试验平台，基于影像和分子分析预测新辅助治疗效果的适应性系列研究。开始于 2010 年 1 月，预计于 2031 年结束研究，横跨 20 年时间，涉及 28 个治疗策略。
该研究旨在快速确定新的治疗方法和治疗组合的疗效，并建立新的可评估疗效的影像和分子诊断及分型的方法。试验中的共同的对照组为标准治疗（单周紫杉 ± 曲妥珠单抗序贯多柔比星联合环膦酰胺）， 主要研究终点为 pCR 率。如果研究终点达到预设目标阈值，则试验药物毕业即可开展更大样本的 III 期随机对照试验。
同时，入组的病人为特定高危人群，包括 HR- 或 HER2+ 或采用 MammaPrint 检测以确认为高危风险 HR+HER2- 病人。MammaPrint 检测入组病人并划分为高危组（MP1）和超高险组（MP2）。
导读
肿瘤的分型模式是以指导有效治疗为导向，目前，乳腺癌的亚型模式是采用激素受体（HR）、人表皮生长因子受体-2（HER2）的表达状态来进行分子分型，同时也预测其内分泌治疗、抗 HER2 靶向治疗等疗效。近年来，乳腺癌的新型靶向治疗的快速发展，极富前景，包括 PARP 抑制剂、PI3K 抑制剂、mTOR 抑制剂及免疫治疗等，但 HR 和 HER2 的状态并不足以精准预测这些新型治疗的疗效。
因此，基于目前已有的新型治疗策略对乳腺癌进行再分型迫在眉睫。
至 2021 年 9 月，1979 例病人入组 I-SPY2 研究共评估了 20 种新的治疗药物/策略的疗效，其中 16 种新治疗已完成评估。试验评估了包括泛 HER2 小分子抑制剂、抗 HER2 治疗、PARP 抑制剂、AKT 抑制剂、免疫治疗、抗血管生成、IFG1R 抑制剂及 HSP90 抑制剂联合化疗等新型治疗方案。
本研究纳入了 I-SPY2-990 mRNA/RPPA 综合数据集，包括标准治疗在内的 10 个治疗臂的病人的基因表达阵列和反相蛋白阵列（RPPA）及临床指标 （如 HR，HER2，MP 和 MRI）和治疗反应等信息，进行整合分析，来探索乳腺癌的反应预测亚型（RPS) 以进一步提高 pCR 率和指导精准治疗，此亚型模式将在 I-SPY 2.2 平台进行进一步探索和验证。
主要研究结果
I-SPY2-990 mRNA/RPPA 综合数据集
总共有 987 例患者分别接受了 I-SPY 2 试验平台的 10 种不同的治疗：对照组（n = 210）；维利帕尼（PARP 抑制剂）/卡铂治疗组（n = 71）；奈拉替尼治疗组 （n = 114）；MK2206（AKT 抑制剂）治疗组（n = 93）；Ganitumab（IGF1R 抑制剂）治疗组（n = 106）；Ganetespib（HSP90 抑制剂）治疗组（n = 94）；Trebananib（AMG386, 血管生成抑制剂）治疗组（n = 134）；TDM1/帕妥珠单抗组（n = 52）；帕妥珠单抗组（n = 44）；帕博利珠单抗组（n = 69）。
其中 38% 为 HR+HER2-乳腺癌，37% 为 HR-HER2-（三阴性乳腺癌）和 25% 为 HER2+（9% HR-和 16% HR+）。经 MammaPrint 检测，约 49% 的患者为 MP2，51% 的患者为 MP1。
研究结果发现：哪怕是在疗效最佳的治疗组，仍有 70% 的 HR+HER2-，40% 的 TN，54% 的 HR+HER2+，和 26% 的 HR-HER2+ 的病人未能达到 pCR，提示需要一种新型的工具来预测疗效和精细化分型。
采用超过 19000 基因的 RNA 表达谱芯片（Agilent）检测所有患者治疗前的肿瘤组织，同时，定制 139 个关键蛋白的高通量蛋白表达谱芯片（LCM-RPPA）检测 736 例患者肿瘤组织（除 Ganitumab 和 Ganetespib 治疗外的其他患者），以及收集相关的临床信息（HR，HER2，MP 和治疗反应及其治疗组）。
（图源：Cancer Cell）
采用综合数据集来构建预测生物标志物
基于肿瘤发生发展机制来筛选 27 个预定义特征来构建新型生物标志物。其涵盖 DNA 修复缺陷（DRD；n = 2），免疫激活（n = 8），ER 信号通路 (n = 2)、HER2 信号通路 (n = 4)、增殖 (n = 3)、（磷酸化）AKT 和 mTOR 激活 (n = 3) 以及血管生成素/Tie-2 信号通路 (n = 1) 等。
在采用这些生物标志物的非监督聚类热图中，尽管患者在很大程度上按 HR/HER2 受体分类而聚集，但各组之间存在交叉，这突出了这样一个事实，即对于这些患者，除 HR/HER2 信号外的生物信号通路可能是一个更强的共同点。此外，HR/HER2 不同分型都同时覆盖免疫高和免疫低信号的特征。然后采用逻辑回归来分析 27 个预定义特征与 pCR 之间的相关性，并根据 HR，HER2 状态及治疗组进行调整。
总体来说， 免疫激活、增殖及 ER 信号通路的生物标志物有着较为广泛的预测价值。但不同的治疗药物和分子分型，其最佳免疫生物标志物存在差异。例如，在 HER2+ 亚群中，B 细胞相关基因特征可以预测 MK2206 和奈拉替尼的反应，但在其他组中预测价值不足。
在 TN 亚群中，最佳的预测性的免疫生物标志物是树突状细胞、STAT1/细胞因子 12 相关的基因特征，其对帕博利珠单抗、血管生成抑制剂 trebananib 具预测价值。增殖相关的生物标志物，如 MP 指数、basal 指数和 module11 增殖评分在大多数治疗组（除外 TN 和 HR-HER2+）中有着预测价值，与 pCR 有着明显相关性。
Luminal/ER 生物标志物，如 BluePrint-Luminal 指数，ER 特征可预测 HR+HER2-患者的耐药。在不同的分子分型中分析发现，特异性最强的生物标志物可能并不是最具预测价值的，磷酸化的蛋白水平有着更高的预测价值，在不同的分子分型中预测相同药物的生物标志物有所不同。
（图源：Cancer Cell）
（图源：Cancer Cell）
初建反应预测亚型模式以匹配相应治疗
基于原有的免疫组织化疗和固有亚型的特征基础上，增加 27 个预定义特征，可进行更精细的再分型。鉴于上述生物标志物对 I-SPY2 研究中不同药物治疗的疗效预测价值，建立并优化了 11 种以上反应预测亚型模式的框架。
首先，基于 DNA 修复缺陷 (DRD)/铂类的反应和免疫相关标志物来构建三阴性乳腺癌的反应预测表型。反应预测亚型模式定义为 Immune+ 患者与以往认定的免疫富集型的人群有着较大的重叠性。Immune+ 的 TN 患者接受帕博利珠单抗的 pCR 率高达 89%，DRD+ 的 TN 患者接受维利帕尼/卡铂治疗的 pCR 率高达 75%。在这一组患者中，免疫和 DRD 生物标志物有较大重叠，其中 56% 的 TN 中这两种生物标志物都很高。
在 Immune+/DRD+ 的病人中，分别接受维利帕尼/卡铂、帕博利珠单抗均有着较高的 pCR 率：74% 和 92%。而在 Immune+/DRD-和 Immune-/DRD+的病人中，接受帕博利珠治疗或维利帕尼/卡铂治疗的 pCR 均为 80%。对于 Immune-/DRD-的 TN 病人，上述药物的疗效不佳，pCR 不足 21%。
HR+HER2-亚群中，采用 DRD 和免疫特征来进行分析时发现，不同亚型的占比与 TN 亚群有所不同，但其 pCR 率的差异模式与 TN 亚群相似。而对于 HER2+亚群，由于 BluePrint 检测的 Luminal 指数或是 ER 相关基因特征，与单独抗 HER2 治疗的低 pCR 率呈明显相关，于是采用 BluePrint 检测来重新划分 HER2+病人以定义为反应预测表型。
合并为反应预测亚型：RPS-5
为方便临床实践和应用，遂通过一系列合并将反应预测亚型简化合并为 RPS-5 集合：即为
HER2-/Immune-/DRD-,HER2-/Immune-/DRD+,HER2-/Immune+,HER2+/BP-HER2 或 Basal, and HER2+/BP-Luminal。
例如：由于 HR+HER2- 和 TN 亚群中的所有 Immune+患者的最佳治疗为帕博利珠单抗，可达最高的 pCR，因此这部分患者合并为单一亚型 HER2-/Immune+。
另将 TN/Immune-/DRD+和HR+HER2-/Immune-/DRD+患者合并为 HER2-/Immune-/DRD+ 亚型，因为这些亚群接受维利帕尼/卡铂可达最高的 pCR。 使用 HR/HER2 分型发现各型的最高 pCR 的治疗分别为：帕博利珠单抗治疗的 HR+HER2-和 TN（pCR：30% 和 66%）；曲妥双靶治疗 HR-HER2+（pCR 率为 80%），TDM1/P 治疗 HR+HER2+（pCR 率为 51%）。
当使用 RPS-5 进行再分型后，再次计算 pCR 率。HER2-/Immune+的最佳药物为帕博利珠单抗，pCR 可高达 79%；维利帕尼/卡铂用于 HER2-/Immune-DRD+治疗，pCR 可达 60%；THP 用于 HER2+/BP-HER2 或 Basal 的 pCR 可达 78%，MK2206 用于 HER2+/BP-Luminal，pCR 为 60%，用于 HER2- /Immune- /DRD-的 pCR 为 20%（此亚型患者在所有治疗臂中疗效不佳）。
（图源：Cancer Cell）
精细化分型模式最大限度地提高试验人群的 pCR 率和获益
反应预测亚型模式的一个主要目标是最大限度地提高人群的 pCR 率，及提升个体患者达到 pCR 的概率。为进一步验证 RPS-5 模式，采用计算机进行已有的 I-SPY 2 平台的大数据的深入分析如果患者基于 RPS-5 再分型来接受相应的治疗策略的总体 pCR 率。
在 I-SPY2 的标准治疗臂的总体 pCR 率为 19%，而在 9 个试验臂中，总 pCR 率为 35%，比对照组增加了 16%。如果患者根据 HR/HER2 受体亚型被分配到最好的试验治疗臂，试验臂的总体 pCR 率为 51%，提示可将 pCR 进一步提高 16%。
最后，如果采用 RPS-5 进行分型，并将患者分配到相应的最佳治疗中，联合试验臂的总体 pCR 率将为 58%，进一步提升 7%。同时，分析发现 RPS-5 再分型后，达到 pCR 的患者有着明显的 DRFS 的生存获益，但在不同的分型中获益不同，其中 HER2-/Immune-/DRD+, HER2-/Immune+, and HER2+/BP-HER2 或 Basal 从 RPS-5 再分型后，达到 pCR 患者的生存获益更为明显。
由此可见，RPS-5 再分型后 pCR 率的提升幅度在 HR/HER2 亚型中的分布并不均匀：在 HR-HER2+患者接受 RPS-5 再分型为 HER2+/BP-HER2 或 Basal 亚型后并未有 pCR 的提升；但如果是 HR+HER2+患者接受 RPS-5 再分型后 pCR 率可从 51% 提高至 67%。
除了提高人群的应答率外，一个良好的分型模式还应该在广泛的治疗类别中区分有反应者和无反应者。采用修正偏差相互信息分析比较不同分型模式的预测 pCR 的能力，对于大多数治疗臂，相较起 HR/HER2 的分型，RPS-5 更具预测 pCR 的效能。
（图源：Cancer Cell）
适应于新型治疗格局的反应预测分型模式
在未来在试验中增加新的药物类别可能需纳入额外的生物标志物，并需要对分类方案进行修订。例如，目前 HER2 低表达成为研究的热点，也正改变着乳腺癌的治疗格局，I-SPY2 平台有正在针对 HER2 低表达的治疗药物的研究，由于增加了 HER2 低表达的定义，遂将 HER2 的表达状态从二分类变为了三分类，因而在 RPS-5 的基础上更新为 RPS-7，分别为：
- S1: HER2+/B-HER2 或 Basal
- S2: HER2+/BP-Luminal
- S3: HER2 = 0 或低表达/Immune+
- S4: HR-/HER2 低表达/Immune- /DRD-
- S5: HER2 = 0 或低表达/Immune- /DRD+
- S6: HER2 = 0/Immune- /DRD-
- S7: HR+/HER2 低表达/Immune- DRD-
七种分型的最高 pCR 率依次为：THP (78%), MK2206 (60%),Pembro (79%), ganitumab (40%), VC (60%), N or MK2206(20%), 和 MK2206 (20%)。
由此可见， 即便没有针对 HER2 低表达的治疗药物，RPS-7 再分型，相比起 HR/HER2 受体分型，pCR 率可提高 11%。
（图源：Cancer Cell）
讨论
经典的乳腺癌分型是以指导乳腺癌的内分泌治疗、抗 HER2 靶向治疗为目标，基于 HR/HER2 的表型而进行分型。随后出现的内生亚型的概念，采用 PAM50 分析肿瘤组织中的 mRNA，将乳腺癌分为 Luminal、基底样/三阴性、HER2 富集的亚型，内生亚型与经典分型有着部分重叠，但在一些回顾性分析中发现内生亚型更能体现乳腺癌的生物学特征。
在精准医疗时代，不断涌现的新型药物正快速改变着乳腺癌的治疗格局，因此迫切需要一种工具来指导这些新型药物/策略的治疗。采用 I-SPY2-990 mRNA/RPPA 综合数据集（转录组、蛋白组以及临床反应等数据），以 10 种不同的治疗药物/策略的治疗疗效为切入点, 以最佳疗效对乳腺癌进行再分型，构建了反应预测亚型模式，对预测治疗药物的疗效有着重要的意义。
反应预测亚型模式（RPS 模式）提供了一种非常好的概念模式，在生物标记物驱动下进地精准化个体化的治疗提供了非常有前景的未来，其对于免疫治疗、PARP 抑制剂和抗 HER2 治疗的预测价值最大，可为上述治疗选择最佳患者队列。
基于 I-SPY2 平台和 RPS 模式，今年 ASCO 会议中公布了五个相关研究的结果，其中最令人鼓舞的结果来自：Imprint 免疫原性特征能确定从免疫检查点抑制剂治疗中获益的早期高危人群。研究采用 69 例纳入 I-SPY2 试验中接受帕博利珠单抗单抗的患者作为探索集，70 例纳入 I-SPY2 试验接受度伐利尤单抗/奥拉帕利的 HER2-患者作为验证集。所有患者都具有全转录组微阵列数据。
所有患者中，有 53 个基因被命名为印迹免疫标记，其在探索集中，ROC 曲线的 AUC = 0.939，预测帕博利珠单抗 pCR 的总体敏感性和特异性为 94% 和 84%；其中对 TN 的敏感性和特异性分别为 100% 和 70%，HR+/HER2-为 83% 和 89%；HR+HER2-亚组的阳性预测值（PPV）为 77%。
在验证集中，ROC 曲线的 AUC = 0.888，预测度伐利尤单抗/奥拉帕利 pCR 敏感度和特异性分别为 76% 和 85%，其中 TN 组为 89% 和 58%，HR+/HER2-患者为 70% 和 97%，HR+HER2-亚组的阳性预测值（PPV）为 93%。 这是迄今为止，发现的最令人期待的预测免疫治疗的生物标志物，也期待在 I-SPY 2.2 中进行前瞻性验证。
目前，RPS 模式仍存一系列问题及挑战：
① 缺乏外部数据集的前瞻性验证，并对再分型模式进行优化和标准化。
②由于 I-SPY2 试验平台中的对照组的 pCR 率较低，可能会导致对试验药物的 pCR 改善程度有所高估。
③ 还需要注意的是，为了快速评估治疗疗效以 pCR 作为主要研究终点，但新型药物的治疗下 pCR 的改善并不一定与生存获益明显相关，同时，pCR 无明显改善也不代表生存获益不显著，如 GeparNeuvo 研究中新辅助免疫治疗中 pCR 的提高不明显但生存的显著获益。
④ RPS 模式需要不断适应新兴的治疗药物，每当纳入新的药物，RPS 模式可能需要再次进行调整甚至是增加分型数目，以优化精准反应预测的价值，因而也限制了其在临床中的应用。
⑤ 仍有部分病人未找到合适的生物标记物（HER2- /Immune- /DRD-），平台中所有药物的 pCR 均不佳，最高仅为 20%，提示这部分病人可能是治疗的难点，也亟需生物标志物指导这一关键亚型人群的治疗。
✩ 本文仅供医疗卫生等专业人士参考
策划：GoEun，梅浙
投稿及合作：yinqihang@dxy.cn
题图来源：站酷海洛PLUS
