orange

Hvordan ble vi klar over potensialet til presisjonsmedisin?

Presisjonsmedisin

Overgangen til presisjonsmedisin

Klinisk praksis er på vei inn i en æra med presisjonsmedisin der molekylær kunnskap gjør det mulig med individualiserte behandlinger, tilpasset genomprofilen til pasientens tumor. (1-3) Kreftbehandling blir stadig mer sammensatt, ettersom flere gener som behandling kan rettes mot blir identifisert og behandlingsalternativene blir stadig flere. (4-8)
I 2018 var det mer 849 molekyler under utvikling i sene stadier, og 91 % av disse var målrettede behandlinger. (9)

Måten en tilnærmer seg klinisk diagnostikk og beslutninger må stadig utvikles, dersom vi skal klare å håndtere denne økende kompleksiteten og realisere potensialet med presisjonsmedisin. (4,10)

Genomisk innsikt

Få klinisk relevant innsikt i genomer

Det er fire hovedklasser av genendringer: basesubstitusjoner, insersjoner og delesjoner, kopitallendringer og rearrangementer av gener. Men er dagens diagnostiske tilnærminger i stand til å identifisere alle disse?
Testing av enkeltstående biomarkører, ved bruk av vanlige diagnostiske teknikker som f.eks. PCR/IHC/FISH og multigen hotspot NGS-tester, risikerer å overse genendringer som kan være kritiske for pasientenes behandlingsplan. (4,11-13)

Dessuten kan sammensatte pan-tumor biomarkører, som f.eks. tumor mutasjonsbyrde (TMB) og mikrosatellittinstabilitet (MSI), gi ytterligere verdifull kunnskap som hjelp til å individualisere behandlingsplanene. MSI gir informasjon om egnethet for behandling med immunterapi. (14-18) TMB og bTMB er eksplorative signaturer som gir informasjon om egnethet for behandling med immunterapi uavhengig av PD-L1 status. (19-24) Omfattende genomprofilering er den eneste metoden TMB og bTMB kan måles med i klinisk rutine. (19–22)

Tumor mutasjonsbyrde Mikrosatelittinstabilitet Rearrangementer av gener Kopitallendringer Insersjoner og delesjoner Basesubstitusjoner Sammensatte pan-tumor biomarkører MSI TMB Fire hovedklasser av genendringer
Tilnærming under utvikling

Utvikling innen diagnostikk og kliniske beslutninger

Å sikre at kreftpasienter kan dra fordel av de nyeste innovasjonene innen behandling, krever en utvikling av tilnærmingen til klinisk diagnostikk og beslutninger som:

✓   Identifiserer klinisk relevante gen-endringer og signaturer

✓  Gir støtte for kliniske beslutninger

✓   Individualiserer pasientenes behandlingsopplegg


Omfattende genomprofilering kan bidra til å sikre at pasientene kan ha nytte av de nyeste innovasjonene innen kreftbehandling. (1,10,25)

“NCCN NSCLS Guidelines panelet anbefaler på det sterkeste bredere molekylær profilering med mål om å identifisere sjeldne drivermutasjoner som det allerede kan være tilgjengelige legemidler for, eller å gi pasientene råd om tilgjengelige kliniske studier de kan delta i. Bred molekylær profilering er en viktig faktor for å forbedre kreftomsorgen for pasienter med ikke-småcellet lungekreft."

NCCN Guidelines for NSCLC Version 63 2020 (25)

“Utvidete genetiske sekvenseringspaneler, hvis tilgjengelige, foretrekkes fremfor testing av enkeltgener for å identifisere andre behandlingsalternativer utover EGFR, ALK, BRAF og ROS1.”

Anbefaling fra ASCO om CAP/IASLC/AMP-retningslinjer for lungekreft, 2018 (26,27)

AMP, Association for Molecular Pathology; ASCO, American Society of Clinical Oncology; bTMB, blood Tumour Mutational Burden; CAP, College of American Pathologists; FISH, fluorescence in situ hybridisation; IASLC, International Association for the Study of Lung Cancer; IHC, immunohistochemistry; MSI, Microsatellite Instability; NCCN, National Comprehensive Cancer Network; NGS, next generation sequencing; NSCLC, non-small cell lung cancer; PCR, polymerase chain reaction; TMB, Tumour Mutational Burden. 
Referanser
  1. Rozenblum AB et al. J Thorac Oncol 2017; 12: 258–268.
  2. Schwaederle M, Kurzrock R. Oncoscience 2015; 2: 779–780.
  3. Mansinho A et al. Expert Rev Anticancer Ther 2017; 17: 563–565.
  4. Frampton GM et al. Nat Biotechnol 2013; 31: 1023–1031.
  5. Drilon A et al. Clin Cancer Res 2015; 21: 3631–3639.
  6. Hirsch FR et al. Lancet 2016; 388: 1012–1024.
  7. Baumgart M. Am J Hematol Oncol 2015; 11: 10–13.
  8. Chakravarty D et al. JCO Precis Oncol 2017; doi: 10.1200/PO.17.00011. 
  9. Global Oncology Trends Report 2018. Report by IQVIA Institute for Human Data Science. Available at: https://www.iqvia.com/-/media/iqvia/pdfs/institute-reports/global-oncology-trends-2018.pdf (Accessed March 2019).
  10. Gagan J, Van Allen EM. Genome Med 2015; 7: 80.
  11. Schrock AB et al. Clin Cancer Res 2016; 22: 3281–3285.
  12. Rankin A et al. Oncologist 2016; 21: 1306–1314.
  13. Suh JH et al. Oncologist 2016; 21: 684–691.
  14. Chalmers ZR et al. Genome Med 2017; 9: 34.
  15. Goodman AM et al. Mol Cancer Ther 2017; 16: 2598–2608.
  16. Le DT et al. N Engl J Med 2015; 372: 2509–2520.
  17. Johnson DB et al. Cancer Immunol Res 2016; 4: 959–967.
  18. Rizvi H et al. J Clin Oncol 2018; 36: 633–641.
  19. Hellmann MD et al. N Engl J Med 2018; 378: 2093–2104.
  20. NCCN Clinical Practice Guidelines in Oncology (NCCN Guidelines). Non-Small Lung Cancer. V.5.2018, 2018. Available at: https://www.nccn.org/professionals/physician_gls/recently_updated.aspx (Accessed March 2019).
  21. Kalemkerian GP et al. J Clin Oncol 2018; 36: 911–919.
  22. Lindeman NI et al. J Mol Diagn 2018; 20: 129–159.