基于ctDNA的液体活检应该被纳入正在进行的和未来的前瞻性临床试验中。 液体活检,特别是分析外周血中的细胞游离DNA(cfDNA),已经成为临床肿瘤诊疗的一种变革性工具。 液体活检作为无需侵入性肿瘤活检(相较肿瘤组织活检)的肿瘤分子谱分析的替代方法,已经进入临床实践,并且在其他几个重要的新兴癌症应用领域显示出巨大的应用前景,包括检测手术后微小残留病灶(MRD)以预测复发,实时监测治疗反应,以及早期发现癌症。1,2,3 ▲ 据估计,肿瘤负荷为100g(≈3×1010肿瘤细胞)大小的患者每天释放3.3%的肿瘤DNA进入循环(即ctDNA),ctDNA在血液循环中的半衰期为16分钟至2.5小时。 事实上,基于血液液体活检测序在识别可用于治疗选择的DNA变异方面显示出与基于肿瘤组织活检测序方法相当的性能和高度一致性,这导至一些人质疑液体活检是否最终可能会取代肿瘤组织活检。
最近的几项研究表明,液体活检作为一种平行的方法,甚至是一种独立的方法,对以后的治疗有潜在的好处,并可以优化药企临床试验的招募。 2020年10月5日,《自然·医学》杂志首次报道了直接比较基于ctDNA液体活检测序和基于肿瘤组织活检测序用于筛查肿瘤临床试验的研究,结果发现:1)ctDNA检测与组织检测在鉴别肿瘤克隆性变异方面的一致性为97~100%,而且ctDNA检测失败率明显低于组织检测(0.1% vs 10.6%);2)相较于组织检测,ctDNA检测可缩短三倍筛查持续时间(11天 vs 33天),并提高了一倍的试验注册率(9.5% vs 4.1%),而且不会影响治疗效果(有效率20.0% vs 16.7%)。4 基于ctDNA的液体活检筛查对治疗选择和临床试验登记的可靠性和有效性之前已经在plasmaMATCH试验中得到了证实,这是一项多中心、多队列平台试验,对既往治疗过的晚期乳腺癌患者仅在ctDNA检测的基础上进行治疗,该研究结果于2020年9月10日发表于《柳叶刀·肿瘤学》杂志:1)ctDNA检测与组织检测在鉴别同期肿瘤活检患者中可操作突变的一致性为98~100%;2)ctDNA检测可提供准确、快速的基因分型,可为乳腺癌患者选择突变靶点疗法,并具有足够的临床有效性。5 总的来说,这些数据进一步支持了ctDNA检测分析可以可靠地选择患者进行基因组匹配的治疗,其临床疗效与组织检测类似。此外,ctDNA检测的周转时间(TAT)明显较快,可优化促进临床试验的登记。 在临床试验招募时,我们需要避免遗漏任何一个患者——因为我们希望将正确的靶向治疗给予合适的患者。这就是为什么基于ctDNA-NGS的分子筛查是现在临床试验招募中备受关注的一种有前途的方法。 2021年10月7日~9日,2021年精准肿瘤学分子分析虚拟大会(MAP 2021 Virtual)中的一项电子海报证明了ctDNA-NGS检测确实是可以优化临床试验招募。6
来自西班牙巴塞罗那 Vall d'Hebron肿瘤研究所(VHIO)的研究人员使用 Guardant360(G360)对ctDNA进行NGS检测,试图在108名临床试验候选实体肿瘤患者中识别可靶向的基因组变异(约1/3的患者之前有组织NGS检测)。根据ESMO分子靶点临床可操作性量表(ESCAT),7 已知I级变异或已知耐药突变的患者被排除在外。 ▲ 2018年,欧洲肿瘤内科学会(ESMO)发布了分子靶点临床可操作性量表(ESCAT),根据对患者管理的影响将分子靶点分为6个等级,针对导至全球死亡最多的8种癌症中所发生的基因组改变,ESCAT量表评估了其证据等级和临床意义。 G360在96名患者(89%)中检测到有用的临床信息,中位周转时间(TAT)为8.5天。重要的是,在14名患者(15%)中发现了潜在的可靶向变异:5名为I级变异,9名为II级变异,主要的药物变异包括:ERBB2扩增(3)、KRAS G12C突变(3)、ERBB2 ex2ins突变(2)、ERBB2 R678Q突变(1)、BRAF V600E突变(1)、RET M918T突变(1)、EGFR ex20ins突变(1)、EGFR L858R突变(1)和MSI-H(1) 。 ▲ ctDNA-NGS鉴定的可靶向基因变异 根据G360报告,5名患者(5.20%)接受基于ctDNA-NGS分析的治疗,4名患者(4/5)在临床试验中接受了治疗,其中3名患者获得了部分缓解。在第一阶段试验中,研究者确定了46个III级变异,它们可能是I期试验的潜在目标。此外,在52名结直肠癌患者中的22名中发现了与抗EGFR治疗的RAS耐药突变信息。 这项研究得出了一个结论:即G360 ctDNA-NGS检测周转时间很短,能够识别未知基因组驱动的患者的靶向变异,ctDNA-NGS可优化药企临床试验招募。 这项分析突出了液体活检的更多好处。来自血液和其他体液的液体活检不能替代组织活检,但是当液体活检与全面的基因组分析相结合时,它们提供了额外的信息,可以真正增强临床试验招募,从而优化入组决策。 |