TROP2 वाचण्याची अधिक विशिष्ट पद्धत
प्रगत nonsquamous non-small-cell lung cancer असलेल्या कोणत्या रुग्णांना datopotamab deruxtecanचा अधिक लाभ होण्याची शक्यता आहे, हे ओळखण्यास मदत करणारा computational pathology biomarker संशोधकांनी विकसित करून प्रमाणित केला आहे. या antibody-drug conjugateला Dato-DXd असेही म्हणतात.
Nature Medicineमध्ये प्रकाशित झालेले हे काम trophoblast cell surface antigen 2, किंवा TROP2वर केंद्रित आहे. TROP2 हे Dato-DXdचे लक्ष्य आहे. मात्र pathologistsकडून TROP2 stainingचे केले जाणारे पारंपरिक visual scoring non-small-cell lung cancerमध्ये TROP2-directed antibody-drug conjugatesला मिळणाऱ्या प्रतिसादाचा अंदाज लावू शकलेले नाही. ही उणीव महत्त्वाची आहे: tumourमध्ये एखादे लक्ष्य उपस्थित असू शकते, परंतु त्याच्या expressionचे साधे होय-किंवा-नाही मूल्यांकन केल्याने त्या लक्ष्याला उद्देशून केलेले उपचार काम करतील की नाही हे स्पष्ट होत नाही.
नवीन पद्धत केवळ TROP2 किती आहे हे मोजत नाही. ती individual tumour cellsच्या आत protein कुठे दिसते, याचे मूल्यमापन करते. संशोधक या पद्धतीला TROP2 quantitative continuous scoring, किंवा QCS, म्हणतात. ही immunohistochemistry-stained slidesवर लागू केलेली fully supervised computational pathology पद्धत आहे.
QCSचा वापर करून टीमने individual non-small-cell lung cancer cellsच्या membrane आणि cytoplasmमधील TROP2चे प्रमाण मोजले. या मोजमापांवरून त्यांनी normalized membrane ratio, किंवा NMR, विकसित केला: cell membraneवरील TROP2चे प्रमाण membrane आणि cytoplasmमधील एकत्रित प्रमाणाच्या तुलनेत.
स्थान महत्त्वाचे का ठरू शकते
Antibody-drug conjugates एखाद्या surface targetला बांधले जाऊन त्याच्याशी जोडलेले drug payload पोहोचवण्यासाठी तयार केले जातात. त्यामुळे अभ्यासाची मध्यवर्ती hypothesis जैविक तसेच computationalदृष्ट्याही व्यावहारिक आहे: tumour-cell membraneवर असलेल्या TROP2चे predictive value, subcellular locationचा विचार न करता मोजलेल्या TROP2पेक्षा वेगळे असू शकते.
NMR हा फरक पकडण्याचा प्रयत्न करतो. Pathologistच्या पारंपरिक visual scoreवर अवलंबून न राहता system staining patternsचे cells आणि cellular componentsच्या पातळीवर continuous quantitative measurementsमध्ये रूपांतर करते. त्यातून NMR-positive म्हणून वर्गीकृत samplesना NMR-negative samplesपासून वेगळे करण्यासाठी तयार केलेला biomarker मिळतो.
हे मोजमाप प्रथम TROPION-PanTumor01 studyच्या biomarker-evaluable populationमध्ये विकसित करण्यात आले; त्यात advanced non-small-cell lung cancer असलेले 115 patients होते. त्यानंतर TROPION-Lung01 trialच्या biomarker-evaluable populationमध्ये NMR cut-point optimize करून validate करण्यात आला.
Validation analysisमध्ये 352 biomarker-evaluable patientsचा समावेश होता. त्याची primary intended-use population actionable genomic alterations नसलेले nonsquamous non-small-cell lung cancer patients होते—एकूण 221 patients.
NMR-positive गटात अधिक progression-free survival
Dato-DXdने उपचार घेतलेल्या patientsमध्ये NMR-negative samples असलेल्या patientsच्या तुलनेत NMR-positive samples असलेल्या patientsचा progression-free survival अधिक होता. Median progression-free survival NMR-positive गटात 7.2 महिने आणि NMR-negative गटात 4.0 महिने होता.
Reported hazard ratio 0.40 होता; 95% confidence interval 0.25 ते 0.64 होता. या analysisमध्ये, NMR-negative गटाच्या तुलनेत Dato-DXd घेतलेल्या NMR-positive गटात study periodदरम्यान disease progression किंवा मृत्यूचा धोका लक्षणीयरीत्या कमी असल्याचे हे association दर्शवते.
Docetaxelशी केलेली तुलना, जो स्वतंत्र treatment arm होता, या निष्कर्षाचा महत्त्वाचा भाग आहे. Docetaxel घेतलेल्या patientsमध्ये median progression-free survival NMR-positive गटात 4.1 महिने आणि NMR-negative गटात 4.4 महिने होता. त्या treatment groupमध्ये hazard ratio 0.94 आणि 95% confidence interval 0.59 ते 1.49 होता.
दुसऱ्या शब्दांत, reported analysisमध्ये NMR groupingचा Dato-DXdसाठी outcomeमधील फरकाशी संबंध होता; docetaxelसाठी तसा संबंधित फरक दिसला नाही. Studyने treatment-by-biomarker-status interaction P value 0.0098 नोंदवली. त्यामुळे NMR status आणि progression-free survivalमधील संबंध दोन्ही treatmentsमध्ये वेगळा होता, या अर्थाला समर्थन मिळते.
केवळ prognostic signal नव्हे, तर संभाव्य predictive biomarker
या treatment-specific patternमुळेच संशोधक TROP2 NMRचे वर्णन Dato-DXdसाठी संभाव्य predictive biomarker असे करतात. Prognostic marker उपचाराची पर्वा न करता outcomeशी संबंधित असतो; predictive marker उपयुक्त असतो कारण तो एखाद्या विशिष्ट therapyपासून लाभ मिळण्याची शक्यता वेगळी असू शकते, असे सूचित करतो.
उपचारांच्या विकासासाठी हा फरक महत्त्वाचा आहे. Clinical useसाठी validation झाल्यास, predictive biomarker निवड broad TROP2 expression assessmentsच्या पुढे नेण्यास मदत करू शकतो; या settingमध्ये त्या assessmentsनी responseचा विश्वासार्ह अंदाज दिलेला नाही. TROP2-directed antibody-drug conjugateची इतर optionsशी तुलना करताना clinicians आणि patientsना अधिक evidence-based मार्गही मिळू शकतो.
सध्या study एक validated analytical approach आणि trial populationsमधील clinical outcomesशी असलेले association सादर करते. NMR-positive tumour असलेल्या प्रत्येक patientला लाभ होईल, किंवा NMR-negative patientsना लाभ होऊ शकत नाही, असे हे सिद्ध करत नाही. Treatment choice ठरवण्यासाठी आवश्यक असलेल्या व्यापक clinical assessmentची जागाही हे घेत नाही.
Computational pathology image reviewपासून treatment selectionपर्यंत
Digital pathologyची व्यापक दिशाही या studyतून दिसून येते. Immunohistochemistry दीर्घकाळ oncologyचा केंद्रबिंदू राहिली आहे; मात्र visual interpretation जटिल tissue patternला broad categoriesमध्ये संकुचित करू शकते. Computational methods stainingचे सातत्याने quantification करू शकतात, individual cells ओळखू शकतात आणि membrane व cytoplasmसारखे cellular compartments वेगळे करू शकतात.
या प्रकरणात अतिरिक्त detail परिणामकारक ठरत असल्याचे दिसते. Non-small-cell lung cancerमध्ये TROP2-directed antibody-drug conjugatesना मिळणाऱ्या responseचा अंदाज TROP2 expressionचे conventional pathologist assessment देऊ शकले नाही, असे संशोधकांना आढळले. Conventional scoringकडून सुटलेली माहिती मिळवण्यासाठी त्यांची NMR method विशेषतः तयार करण्यात आली होती.
आता प्रश्न असा आहे की routine clinical practice आणि future studiesमध्ये असा biomarker कसा काम करेल. सध्याचे results पुढील clinical developmentसाठी स्पष्ट आधार देतात: reported trial analysisमध्ये membrane-normalized TROP2 expressionने Dato-DXdसाठी outcomes वेगळे केले, तर docetaxelसाठी तशी समतुल्य separation दिसली नाही.
ज्या आजारात treatment decisions molecular आणि pathological detailवर वाढत्या प्रमाणात अवलंबून आहेत, तिथे हे अर्थपूर्ण पाऊल आहे. Drug targetची उपस्थितीच नव्हे, तर cellमधील त्याचे स्थानही targeted therapyमुळे लाभ मिळण्याची शक्यता ठरवण्यात मदत करू शकते, असे हे सूचित करते.
हा लेख Nature Medicineच्या reportingवर आधारित आहे. मूळ लेख वाचा.
Originally published on nature.com


