Основа для індивідуалізації підходів до хіміотерапії у хворих на ранній стадії раку грудної залози: біологічні чи анатомічні характеристики пухлини?

Domen Ribnikar, MD, Fatima Cardoso, MD, 
The Department of Medical Oncology, Institute of Oncology, Ljubljana, Slovenia; 
Breast Unit, Champalimaud Cancer Center, Champalimaud Foundation, Lisbon, Portugal.
Am Soc Clin Oncol Educ Book. 2016;35:e31-8. doi: 10.14694/EDBK_159077.

Питання щодо застосування ад’ювантної хіміотерапії у хворих на рак грудної залози ранньої стадії завжди залишалося відкритим. Добре відомо, що лікування значної частини хворих з ранньою стадією раку грудної залози проводиться з урахуванням стадії, гормонального та генетичного (HER2) статусу. Успіхи у розумінні принципів біології раку грудної залози та його клінічних проявів послугували основою для відкриття додаткових, більш надійних прогностичних маркерів для полегшення процесу прийняття рішення у виборі ад’ювантної терапії. Профілювання експресії генів – це молекулярний інструмент, який може дозволити більш точно визначити внутрішні характеристики пухлини. Застосування цієї технології дало можливість визначити профіль генної експресії та, відповідно, дати прогностичну оцінку, що стало важливим інструментом у встановленні необхідності застосування хіміотерапії у пацієнтів на ранніх стадіях раку грудної залози. Проте, остаточна доцільність застосування даної методики може бути встановлена після публікації результатів двох великих проспективних рандомізованих досліджень – MINDACT та TailorX. Однак, незважаючи на існування генетичних методів, такі критерії оцінки пухлини як її розмір та статус лімфатичних вузлів мають велике прогностичне значення та повинні бути прийняті до уваги під час прийняття рішень. Крім того, профіль генної експресії володіє обмеженими прогностичними властивостями, і необхідно визначення інших біомаркерів та мішеней. Саме тому тісна співпраця між клініцистами та вченими має вирішальне значення. І, нарешті, питання економічної ефективності, компенсації та доступності є ключовим та актуальним у будь-якій країні.
Історично склалося так, що рак грудної залози завжди розглядався як захворювання з різними гісто-патологічними характеристиками та відповіддю на системну терапію. Рішення щодо лікувальної стратегії приймалося виключно з урахуванням таких клініко-патологічних факторів як розмір пухлини, статус лімфатичних вузлів, гістологічний тип та прогностичні маркери чутливості до гормонотерапії та/або терапії трастузумабом (експресія прогестеронових та естрогенових рецепторів для гормонтерапії та HER2 – для трастузумаба). Ці фактори поєднуються з різними алгоритмами терапії – Adjuvant! Online1 та Nottingham Prognostic Index; тими, що засновані на міжнародних рекомендаціях по лікування, наприклад, National Comprehensive Cancer Network2, National Cancer Institutе, European Society for Medical Oncology3 та St. Gallen4. Основним недоліком такого підходу є те, що приблизно з 60% пацієнтів з ранньою стадією раку грудної залози, що отримують хіміотерапію, лише 2-15% відповідають на лікування, інші ж лише страждають від токсичної дії препаратів5. На щастя, рак грудної залози – один із перших типів пухлин, у яких був досліджений молекулярний профіль, що дозволило більш глибоко зрозуміти біологію та молекулярну структуру пухлини. Можливість генетичного профілювання дозволила нам краще зрозуміти гетерогенність раку грудної залози та призвела до індивідуалізації системних підходів лікування. В цій статті описано традиційні клініко-патологічні чинники та нові молекулярні механізми, які можуть бути використані для розробки більш точних підходів у ад’ювантній терапії раку грудної залози на ранніх стадіях. Крім того, обговорено деякі дослідження, які демонструють, що пухлинна відповідь на кожну конкретну стратегію лікування визначається в основному саме внутрішніми молекулярними характеристиками пухлини, а не її анатомічними параметрами. Проте, варто зазначити, що ці параметри відіграють важливу роль при оцінці ефективності лікування.

References

1. Ravdin PM, Siminoff LA, Davis GJ, et al. Computer program to assist in making decisions about adjuvant therapy for women with early breast cancer. J Clin Oncol. 2001;19:980-991.
2. Carlson RW, Anderson BO, Burstein HJ, et al. Invasive breast cancer. J Natl Compr Canc Netw. 2007;5:246-312.
3. Senkus E, Kyriakides S, Ohno S, et al; ESMO Guidelines Committee. Primary breast cancer: ESMO Clinical Practice Guidelines for diagnosis, treatment and follow-up. Ann Oncol. 2015;26(Suppl 5):v8-v30.
4. Jackisch C, Harbeck N, Huober J, et al. 14th St. Gallen International Breast Cancer Conference 2015: evidence, controversies, consensus - primary therapy of early breast cancer: opinions expressed by German experts. Breast Care (Basel). 2015;10:211-219.
5. Early Breast Cancer Trialists Collaborative Group. Effects of chemotherapy and hormonal therapy for early breast cancer on recurrence and 15-year survival: an overview of the randomized trials. Lancet. 2005;365:1687-1717.
6. Early Breast Cancer Trialists Collaborative Group. Polychemotherapy for early breast cancer: an overview of the randomised trials. Lancet. 1998; 352:930-942.
7. Early Breast Cancer Trialists’ Collaborative Group. Effects of chemotherapy and hormonal therapy for early breast cancer on recurrence and 15-year survival: an overview of the randomised trials. Lancet. 2005;365:1687-1717.
8. Clarke M. Meta-analyses of adjuvant therapies for women with early breast cancer: the Early Breast Cancer Trialists’ Collaborative Group overview. Ann Oncol. 2006;17(Suppl 10):x59-x62.
9. Berry DA, Cirrincione C, Henderson IC, et al. Estrogen-receptor status and outcomes of modern chemotherapy for patients with node-positive breast cancer. JAMA. 2006;295:1658-1667.
10. Kelly CM, Hortobagyi GN. Adjuvant chemotherapy in early-stage breast cancer: what, when, and for whom? Surg Oncol Clin N Am. 2010;19: 649-668.
11. National Comprehensive Cancer Network. NCCN Clinical Practice Guidelines in Oncology. Breast Cancer, V.I. 2010. http://www.nccn.org/ professionals/physician_gls/PDF/breast.pdf. Accessed January 19, 2010.
12. National Institutes of Health Consensus Development Panel. Adjuvant therapy for breast cancer. NIH Consens Statement. 2000;17:1-35.
13. Olivotto IA, Bajdik CD, Ravdin PM, et al. Population-based validation of the prognostic model ADJUVANT! for early breast cancer. J Clin Oncol. 2005;23:2716-2725.
14. Perou CM, Sørlie T, Eisen MB, et al. Molecular portraits of human breast tumours. Nature. 2000;406:747-752.
15. Sørlie T, Perou CM, Tibshirani R, et al. Gene expression patterns of breast carcinomas distinguish tumor subclasses with clinical implications. Proc Natl Acad Sci USA. 2001;98:10869-10874.
16. Hu Z, Fan C, Oh DS, et al. The molecular portraits of breast tumors are conserved across microarray platforms. BMC Genomics. 2006;7:96.
17. Pusztai L, Mazouni C, Anderson K, et al. Molecular classification of breast cancer: limitations and potential. Oncologist. 2006;11:868-877.
18. Curtis C, Shah PS, Chin SF, et al. The genomic and transcriptomic architecture of 2,000 breast tumours reveals novel subgroups. Nature. 2012;486:346-352.
19. Weigelt B, Baehner FL, Reis-Filho JS. The contribution of gene expression profiling to breast cancer classification, prognostication and prediction: a retrospective of the last decade. J Pathol. 2010;220: 263-280.
20. Van;’t Veer LJ, Dai H, van de Vijver MJ, et al. Gene expression profiling predicts clinical outcome of breast cancer. Nature. 2002;415:530- 536.
21. Kim C, Paik S. Gene-expression-based prognostic assays for breast cancer. Nat Rev Clin Oncol. 2010;7:340-347.
22. Sotiriou C, Pusztai L. Gene-expression signatures in breast cancer. N Engl J Med. 2009;360:790-800.
23. Wirapati P, Sotiriou C, Kunkel S, et al. Meta-analysis of gene expression rofiles in breast cancer: toward a unified understanding of breast cancer subtyping and prognosis signatures. Breast Cancer Res. 2008;10: R65.
24. Iwamoto T, Bianchini G, Booser D, et al. Gene pathways associated with prognosis and chemotherapy sensitivity in molecular subtypes of breast cancer. J Natl Cancer Inst. 2011;103:264-272.
25. Desmedt C, Haibe-Kains B, Wirapati P, et al. Biological processes associated with breast cancer clinical outcome depend on the molecular subtypes. Clin Cancer Res. 2008;14:5158-5165.
26. Desmedt C, Piette F, Loi S, et al; TRANSBIG Consortium. Strong time dependence of the 76-gene prognostic signature for node-negative breast cancer patients in the TRANSBIG multicenter independent validation series. Clin Cancer Res. 2007;13:3207-3214.
27. Cuzick J, Dowsett M, Pineda S, et al. Prognostic value of a combined estrogen receptor, progesterone receptor, Ki-67 and human epidermal growth factor receptor 2 immunohistochemical score and comparison with the genomic health recurrence score in early breast cancer. J Clin Oncol. 2011;29:4273-4278.
28. Sapino A, Roepman P, Linn SC, et al. MammaPrint molecular diagnostics on formalin-fixed, paraffin-embedded tissue. J Mol Diagn. 2014;16: 190-197.
29. Mook S, Schmidt MK, Viale G, et al; TRANSBIG Consortium. The 70-gene prognosis-signature predicts disease outcome in breast cancer patients with 1-3 positive lymph nodes in an independent validation study. Breast Cancer Res Treat. 2009;116:295-302.
30. Knauer M, Cardoso F, Wesseling J, et al. Identification of a low-risk subgroup of HER-2-positive breast cancer by the 70-gene prognosis signature. Br J Cancer. 2010;103:1788-1793.
31. Knauer M, Mook S, Rutgers EJ, et al. The predictive value of the 70-gene signature for adjuvant chemotherapy in early breast cancer. Breast Cancer Res Treat. 2010;120:655-661.
32. Buyse M, Loi S, van’t Veer L, et al; TRANSBIG Consortium. Validation and clinical utility of a 70-gene prognostic signature for women with nodenegative breast cancer. J Natl Cancer Inst. 2006;98:1183-1192.
33. Bogaerts J, Cardoso F, Buyse M, et al; TRANSBIG consortium. Gene signature evaluation as a prognostic tool: challenges in the design of the MINDACT trial. Nat Clin Pract Oncol. 2006;3:540-551.
34. Paik S, Shak S, Tang G, et al. A multigene assay to predict recurrence of tamoxifen-treated, node-negative breast cancer. N Engl J Med. 2004; 351:2817-2826.
35. Sparano JA, Gray RJ, Makower DF, et al. Prospective validation of a 21- gene expression assay in breast cancer. N Engl J Med. 2015;373:2005-2014.
36. Paik S, Tang G, Shak S, et al. Gene expression and benefit of chemotherapy in women with node-negative, estrogen receptor-positive breast cancer. J Clin Oncol. 2006;24:3726-3734.
37. Albain KS, Barlow WE, Shak S, et al; Breast Cancer Intergroup of North America. Prognostic and predictive value of the 21-gene recurrence score assay in postmenopausal women with node-positive, oestrogenreceptor-positive breast cancer on chemotherapy: a retrospective analysis of a randomised trial. Lancet Oncol. 2010;11:55-65.
38. Dowsett M, Cuzick J, Wale C, et al. Prediction of risk of distant recurrence using the 21-gene recurrence score in node-negative and node-positive postmenopausal patients with breast cancer treated with anastrozole or tamoxifen: a TransATAC study. J Clin Oncol. 2010;28: 1829-1834.
39. Habel LA, Shak S, Jacobs MK, et al. A population-based study of tumor gene expression and risk of breast cancer death among lymph nodenegative patients. Breast Cancer Res. 2006;8:R25.
40. Tang G, Shak S, Paik S, et al. Comparison of the prognostic and predictive utilities of the 21-gene Recurrence Score assay and Adjuvant! For women with node-negative, ER-positive breast cancer: results from NSABP B-14 and NSABP B-20. Breast Cancer Res Treat. 2011;127: 133-142.
41. Tang G, Cuzick J, Wale C, et al. Recurrence risk of node-negative and ERpositive early-stage breast cancer patients by combining recurrence score, pathologic and clinical information: a meta-analysis approach. J Clin Oncol. 2010;28 (suppl; abstr 509).
42. Wang Y, Klijn JG, Zhang Y, et al. Gene-expression profiles to predict distant metastasis of lymph-node-negative primary breast cancer. Lancet. 2005;365:671-679.
43. Sotiriou C, Wirapati P, Loi S, et al. Gene expression profiling in breast cancer: understanding the molecular basis of histologic grade to improve prognosis. J Natl Cancer Inst. 2006;98:262-272.
44. Liedtke C, Hatzis C, Symmans WF, et al. Genomic grade index is associated with response to chemotherapy in patients with breast cancer. J Clin Oncol. 2009;27:3185-3191.
45. Parker JS,MullinsM, CheangMC, et al. Supervised risk predictor of breast cancer based on intrinsic subtypes. J Clin Oncol. 2009;27:1160-1167.
46. Gnant M, Filipits M, Greil R, et al; Austrian Breast and Colorectal Cancer Study Group. Predicting distant recurrence in receptor-positive breast cancer patients with limited clinicopathological risk: using the PAM50 Risk of Recurrence score in 1478 postmenopausal patients of the ABCSG-8 trial treated with adjuvant endocrine therapy alone. Ann Oncol. 2014;25:339-345.
47. Filipits M, Nielsen TO, Rudas M, et al; Austrian Breast and Colorectal Cancer Study Group. The PAM50 risk-of-recurrence score predicts risk for late distant recurrence after endocrine therapy in postmenopausal women with endocrine-responsive early breast cancer. Clin Cancer Res. 2014;20:1298-1305.
48. Zhang Y, Schnabel CA, Schroeder BE, et al. Breast cancer index identifies early-stage estrogen receptor-positive breast cancer patients at risk for early- and late-distant recurrence. Clin Cancer Res. 2013;19:4196-4205.
49. Filipits M, Rudas M, Jakesz R, et al; EP Investigators. A new molecular predictor of distant recurrence in ER-positive, HER2-negative breast cancer adds independent information to conventional clinical risk factors. Clin Cancer Res. 2011;17:6012-6020.
50. Dubsky PC, Jakesz R, Mlineritsch B, et al. Tamoxifen and anastrozole as a sequencing strategy: a randomized controlled trial in postmenopausal patients with endocrine-responsive early breast cancer from the Austrian Breast and Colorectal Cancer Study Group. J Clin Oncol. 2012; 30:722-728.
51. Dubsky P, Brase JC, Jakesz R, et al; Austrian Breast and Colorectal Cancer Study Group (ABCSG). The EndoPredict score provides prognostic information on late distant metastases in ER+/HER2- breast cancer patients. Br J Cancer. 2013;109:2959-2964.
52. Fan C, Oh DS, Wessels L, et al. Concordance among gene-expressionbased predictors for breast cancer. N Engl J Med. 2006;355:560-569.
53. Reid JF, Lusa L, De Cecco L, et al. Limits of predictive models using microarray data for breast cancer clinical treatment outcome. J Natl Cancer Inst. 2005;97:927-930.
54. Goetz MP, Suman VJ, Ingle JN, et al. A two-gene expression ratio of homeobox 13 and interleukin-17B receptor for prediction of recurrence and survival in women receiving adjuvant tamoxifen. Clin Cancer Res. 2006;12:2080-2087.
55. Ayers M, Symmans WF, Stec J, et al. Gene expression profiles predict complete pathologic response to neoadjuvant paclitaxel and fluorouracil, doxorubicin, and cyclophosphamide chemotherapy in breast cancer. J Clin Oncol. 2004;22:2284-2293.
56. Saghatchian M, Mook S, Pruneri G, et al. Combining genomic profiling (70-gene MammaPrint) with nodal status allows to classify patients with primary breast cancer and positive lymph nodes (1-9) into very distinct prognostic subgroups that could help tailor treatment strategies. Cancer Res. 2009;69:a102. e38 2016

 

Заинтересовала статья?

Введен недействительный тип данных

Введен недействительный тип данных