Comment prédire la réponse à l’immunothérapie ?

Julien Adam, MD PhDDépartement de Biologie et Pathologie MédicalesINSERM U981Gustave Roussy, Villejuif

Schalper and Herbst CCR 2016

• Biomarqueur développé en combinaison aux anti-PD1/PDL1– Validation dans les essais de phase III– Sélection des patients en première

ligne ou pour les combinaisons

• Valeur pronostique limitée• Disponibilité universelle de l’IHC

Expression de PD-L1 comme biomarqueur prédictif

PD-L1 IHC assays

Drug Clone Epitope Detection Thresholds FDA status

Nivolumab(BMS)

28-8 Dako

Extracellular EnVision FLEX CT : ≥1%, ≥5%, ≥10% Complementarydiagnostic (lung, melanoma)

Pembrolizumab(MSD)

22C3Dako

Extracellular EnVision FLEX CT : ≥1%, ≥50% Companion diagnostic (lung)

Atezolizumab(Roche)

SP142Ventana

Intracellular OptiView +amplification

CT : ≥1%, ≥5%, ≥50%CI : ≥1%, ≥5%, ≥10%

Complementarydiagnostic (bladder)

Durvalumab(AstraZeneca)

SP263Ventana

Intracellular OptiView CT : ≥25% -

28-8 22C3 SP142 SP263

Etudes comparatives des tests IHC PD-L1• Kits 28-8, 22C3, SP263 très similaires pour le marquage des cellules tumorales,

possibilité de développer des tests concordants en dehors des kits• Bonne concordance pour l’évaluation des cellules tumorales par les

pathologistes

Nivolumab

Pembrolizumab

Atezolizumab

Nivolumab: Borghaei et al., NEJM 2015Pembrolizumab: Garon et al., NEJM 2015

Atezolizumab: Barlesi et al., ESMO 2016

Expression de PD-L1 : un biomarqueur continu

NSCLC

Larkin NEJM 2015, ASCO 2016

Combinaison anti-PD1 + anti-CTLA4

PD-1

CD8+ T cellTumor cell

TCRMHC-I

IFNg

Others

PD-L1 expression mechanisms

Tumor cell

MHC-IPD-L1 geneamplification

Oncogenicpathways(STAT, AKT, PTEN loss,…)Viral infection

Intrinsic expression

PD-L1

PD-1

Myeloid cell

MHC

IFNg

Induced expression

Correlation between PD-L1 expression and IFNgamma expression and T cell/CD8+ infiltrates

Prevalence of PD-L1 expression in immune cells

IHC PD-L1 (SP142 assay)

• Which assay to perform clinically ?– Tailored to the drug or not

• What samples to use for testing ?– Primary/metastasis– Modulation of the immune microenvironment by treatments

• Who should be evaluating the slides?– Training of pathologists

• When should test be performed?– Reflex testing?

• How should the results be reported– Generic report?

• How is the test reimbursed in each country?

Practical issues with PD-L1 testing

• Tumor immunogenicity:– Mutations: burden, type, neoantigens

• T-cell response and activation: – Immune cell infiltation in tumor tissue (IHC)– Gene expression signatures (mRNA): Th1, Teff signatures, IFN

gamma

• Other immunosuppressive pathways:– PD-L2– Treg– Macrophages, MDSC, IDO,…

Tissue biomarkers beyond PD-L1

1515/12/2016

Mismatch repair deficiency

KEYNOTE 016: Le DT, NEJM 2015

Dudley, Clin Cancer Res 2016

Mutation load and neoantigens

Desrichard, Clin Cancer Res 2016Rizvi, Science 2015

Immune infiltrates in tumor tissue: T cell inflammation

Immunoscore

Jérôme Galon

Analyticalvalidation

Standardizedassay

Clinicalvalidation

Tumeh, Nature 2014

Melanoma

CD8IM is the best predictive marker of response to nivolumab

Schalper, WCLC 2016

Fehrenbacher et al., Lancet oncol 2015

Problématiques générales

• Standardisation des techniques• Valeur pronostique• Biomarqueurs « continus »• Hétérogénéité spatiale de la réponse immunitaire

– Echantillonage par les biopsies

• Modulation sous traitement– Chimiothérapie, RT, thérapies ciblées

• Contexte différent selon les types tumoraux• Etude ADN, ARN, protéines

Biomarqueurs pronostiques vs. prédictifs

• Infiltration T : associée à un bon pronostic dans la plupart des types tumoraux (en particulier CD8+)

• PD-L1: pas de valeur pronostique forte dans la plupart des types tumoraux– Mécanismes d’expression variés– Hétérogénéité des méthodes

• Différencier les biomarqueurs associés au pronostic pour la récidive chez les patients opérés et chez les patients à un stade avancé

Fridman et al. NRC 2012

Biomarqueurs « continus »Oncogenic addiction

TestBenefit from treatment (high PPV)

No benefit from treatment (high NPV)

Immune biomarkers

Test

Likely to benefit from treatmentHigh

Low

Unlikely to benefit from treatment

May benefit from treatment

Threshold

Biom

arke

rex

pres

sion

A few patients benefit fromtreatment

Many patients willnot benefit fromtreatment

Example: PD-L1 expression

Line of no discrimination

AUC = 0.50

Idealized ROCAUC = 1.0

Actual ROCAUC = 0.63

ROC Curve for NIVO (n=474)

SpecificitySe

nsiti

vity

ROC Curve for NIVO+IPI (n=358)

Specificity

Sens

itivi

ty

Line of no discrimination

AUC = 0.50

Idealized ROCAUC = 1.0

Actual ROCAUC = 0.60

PD-L1 expression and response to nivolumab or nivolumab+ipilimuabin melanoma (1st line)

Long, ESMO 2016

Hétérogénéité tumorale

• L’échantillonnage du tissu tumoral est le principal problème pour l’utilisation de biomarqueurs tissulaires de la réponse immunitaire

• Aux stades avancés, on dispose essentiellement de biopsies

• L’hétérogénéité de la réponse immunitaire entre sites primitif/métastatiques est très peu caractérisée

• Autres approches :- Biomarqueurs circulants- Imagerie moléculaire

Expression of Immune Checkpoint Genes Appears to be Largely Consistent in Synchronous NSCLC Tumors (iChip)

Kowanetz et al., ORAL13.03, WCLC 2015

The tumor, rather than location (tissue type), drives the tumor immune microenvironment

Combinations of biomarkers

Topalian, Nat Rev Cancer 2016

Immunosuppressive pathwaysInhibitory checkpointsTreg, myeloid suppressive cellsMetabolic pathways (kynurenin)

Tumor immunogenicityMutational loadNeoantigensDNArepair defects: MSI

T cell infiltrationCD3+, CD8+ infiltratesIFNgammaTh1/Teff signatures

OthersAntigen presentationHypoxia...

Issues with biomarkers combinations

• Combination of weak biomarkers may not lead to strong biomarkers

• More difficult to standardize and validate

• Correlations between biomarkers• Different combinations depending on

tumor type and treatments• Spatial heterogeneity remains the main

issue Rosenberg, ASCO 2016

Combination of immune markers with molecular subgroups of tumors

Use standardized, widely available, markers to characterize the immune microenvironment

Schalper and Herbst CCR 2016

• PD-L1 est un biomarqueur prédictif mais insuffisant• L’inflammation T est un biomarqueur essentiel

– Pronostic– Prédictif

• Un seul biomarqueur prédictif ne suffira pas– Cas particulier : tumeurs MSI

• La principale difficulté des biomarqueurs immunologiques est l’hétérogénéité tumorale– Autres approches : sang, imagerie

• La validation technique et clinique est difficile– Chaque type tumoral

• Coût élevé : remboursement ?

Conclusions