Breathomics come biomarcatore predittivo per la risposta dell'inibitore del checkpoint

Il blocco del checkpoint immunitario con anticorpi anti-PD-1 e anti-PD-L1 è diventato un nuovo standard di cura in diversi tipi di cancro come NSCLC e melanoma. Tuttavia, nelle popolazioni di pazienti non selezionati con biomarcatori, il tasso di risposta globale (ORR) a seconda del tipo di cancro e della scelta del trattamento singolo o combinato rimane ancora solo del 20%-60%. Sebbene complessivamente ben tollerato, circa il 5-10% dei pazienti trattati con agenti mirati a PD1/PD-L1 sperimenterà tossicità di grado 3 o 4, incluse tossicità autoimmuni potenzialmente pericolose per la vita come colite, epatite e polmonite. Pertanto, a causa degli alti costi del trattamento e delle sue possibili complicanze, una migliore selezione dei pazienti è un obiettivo cruciale ed è assolutamente necessario un test point-of-care non invasivo facilmente disponibile per una migliore selezione dei pazienti.

Un approccio promettente a questo proposito è l'analisi dei composti organici volatili (COV) nell'alito. L'analisi del respiro per il rilevamento di COV è sempre più studiata per la sua utilità nella diagnosi e nella gestione del cancro. I nasi elettronici (eNoses) sono promettenti come dispositivi economici e clinicamente pratici progettati per rilevare modelli di COV. I dati osservazionali prospettici pubblicati di recente hanno mostrato una funzione discriminante molto promettente per l'analisi dell'impronta respiratoria per la mancata risposta all'immunoterapia nei pazienti con NSCLC.

L'obiettivo principale di questo studio è convalidare uno studio precedente che ha rilevato che i classificatori basati sulla breathomics hanno predetto la progressione precoce a 12 settimane rispetto alla non progressione nei pazienti con NSCLC avanzato trattati con nivolumab o pembrolizumab. Secondariamente, espanderemo la valutazione dei classificatori basati sul breathomic per includere altre coorti di tumori avanzati trattati con ICI e considereremo anche l'utilizzo della risposta invece della non progressione come endpoint. Gli obiettivi esplorativi includono il perfezionamento del classificatore breathomics utilizzando tecniche di apprendimento automatico alternative e la correlazione con altri biomarcatori dei risultati dell'immunoterapia.