Breathomics als prädiktiver Biomarker für die Reaktion auf Checkpoint-Inhibitoren

Die Immun-Checkpoint-Blockade mit Anti-PD-1- und Anti-PD-L1-Antikörpern ist zu einem neuen Behandlungsstandard bei mehreren Krebsarten wie NSCLC und Melanom geworden. In Patientenpopulationen, bei denen keine Biomarker ausgewählt wurden, beträgt die Gesamtansprechrate (ORR) je nach Krebsart und ob eine Einzel- oder Kombinationsbehandlung gewählt wird, jedoch immer noch nur 20 % bis 60 %. Obwohl es insgesamt gut vertragen wird, erleiden etwa 5-10 % der mit PD1/PD-L1-Targeting-Mitteln behandelten Patienten Toxizitäten 3. oder 4. Grades, einschließlich potenziell lebensbedrohlicher Autoimmuntoxizitäten wie Colitis, Hepatitis und Pneumonitis. Aufgrund der hohen Behandlungskosten und möglicher Komplikationen ist daher eine verbesserte Patientenauswahl ein entscheidendes Ziel, und ein leicht verfügbarer, nicht-invasiver Point-of-Care-Test für eine bessere Patientenauswahl wird dringend benötigt.

Ein vielversprechender Ansatz in dieser Hinsicht ist die Analyse von flüchtigen organischen Verbindungen (VOCs) in der Atemluft. Die Atemanalyse zum Nachweis von VOCs wird zunehmend auf ihren Nutzen bei der Diagnose und Behandlung von Krebs untersucht. Elektronische Nasen (eNoses) sind vielversprechend als billige und klinisch praktische Geräte, die darauf ausgelegt sind, Muster von VOCs zu erkennen. Kürzlich veröffentlichte prospektive Beobachtungsdaten zeigten eine sehr vielversprechende Diskriminanzfunktion für die Atemabdruckanalyse bei Nichtansprechen auf eine Immuntherapie bei NSCLC-Patienten.

Das Hauptziel dieser Studie ist es, eine frühere Studie zu validieren, die herausfand, dass atemwegsbasierte Klassifikatoren eine 12-wöchige frühe Progression gegenüber einer Nichtprogression bei Patienten mit fortgeschrittenem NSCLC, die mit Nivolumab oder Pembrolizumab behandelt wurden, vorhersagten. Zweitens werden wir die Bewertung atemwegsbasierter Klassifikatoren erweitern, um andere Kohorten von fortgeschrittenen Tumoren einzubeziehen, die mit ICI behandelt werden, und auch in Betracht ziehen, das Ansprechen anstelle der Nichtprogression als Endpunkt zu verwenden. Zu den explorativen Zielen gehören die Verfeinerung des Atemwegsklassifizierers mithilfe alternativer maschineller Lerntechniken und die Korrelation mit anderen Biomarkern für die Ergebnisse der Immuntherapie.