Immunonkologie: Prädiktive Marker für Checkpoint-Inhibitoren – heute und morgen
Neben der PD-L1-Expression gewinnen weitere Biomarker für den Einsatz von Checkpoint-Inhibitoren an Bedeutung, etwa hohe Mikrosatelliteninstabilität (MSI-H) sowie die Tumormutationslast. So erfolgte die Zulassung von Pembrolizumab beim metastasierten kolorektalen Karzinom unter der Voraussetzung, dass eine MSI-H vorliegt. Die Ergänzung etablierter Biomarker um weitere prädiktive Marker für immunonkologische Ansätze sind Gegenstand der Forschung.
Auf einem Symposium bei den Pathologietagen der Deutschen Gesellschaft für Pathologie (DGP) stellte Prof. Wilko Weichert, München, zunächst etablierte prädiktive Biomarker für Checkpoint-Inhibitoren in der Zulassungsrealität vor. Bei der Immuntherapie des NSCLC werde für den Einsatz von Atezolizumab die PD-L1-Expression auf Immun- und Tumorzellen bewertet wird, jedoch nicht als Combined Positive Score (CPS). Vielmehr erfolgte die Zulassung bei einer PD-L1-Expression von entweder ≥ 50 % auf Tumorzellen oder ≥ 10 % auf Tumor-infil-trierenden Immunzellen (IC).
Beim metastasierten triple-negativen Mammakarzinom (mTNBC) ist Atezolizumab in Kombination mit nab-Paclitaxel bei einem IC-Score von ≥ 1 % zugelassen. Allerdings sei die Zulassung von Pembrolizumab (Keytruda®) auf Basis der Studie KEYNOTE-355 [1, 2] wahrscheinlich zu erwarten, die dann die CPS-Bestimmung notwendig machen würde – ähnlich wie beim fortgeschrittenen Ösophaguskarzinom, bei dem Pembrolizumab mit Chemotherapie auf Basis der KEYNOTE-590-Studie [3] zugelassen ist.
Defekte Mismatch-Repair-Gene (dMMR) führen zu MSI-H-Tumoren mit einer Vielzahl an Mutationen und Neoantigenen. Als erster Checkpoint-Inhibitor ist Pembrolizumab für die Erstlinien-Monotherapie bei Patienten mit metastasiertem MSI-H/dMMR-Kolorektalkarzinom zugelassen, basierend auf der Studie KEYNOTE-177e, die eine Reduktion des Progressions- oder Sterberisikos um 40 % vs. Chemotherapie zeigte [4].
Neue Ansätze aus der Forschung erläuterte Prof. Albrecht Stenzinger, Heidelberg. So könnte die Analyse klinischer und molekularer Datensätze mithilfe künstlicher Intelligenz tumorentitätsübergreifend genomische Biomarker für die Therapie mit Checkpoint-Inhibitoren identifizieren. Gesucht würden aber auch tumorspezifische Veränderungen.
Mascha Pömmerl