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.

Частина III (Частину ІI див. за посиланням: http://vista-mediclub.com/oncology-news/1628-osnova-dlja-individualizacii-pidhodiv-do-himioterapii-u-hvorih-na-rannij-stadii-raku-grudnoi-zalozi-biologichni-chi-anatomichni-harakteristiki-puhlini-chastina-ii-vnutrishni-molekuljarni-pidtipi)

Прогностичне значення методики профілювання експресії генів

Відкриття гетерогенності раку грудної залози обумовило початок застосовування методики профілювання експресії генів на основі технології мікрочіпів з метою прогнозування результатів лікування окремих пацієнтів з раком грудної залози та визначення тих хворих, які могли б уникнути ад'ювантної хіміотерапії [19]. Перші спроби були емпіричні, лише на основі профілювання пухлин пацієнтів з позитивними та негативними результатами лікування та аналізу відповідних наборів генів (за допомогою яких можна було б диференціювати пацієнтів з хорошим та поганим прогнозом [19,20].
Пізніше стали проводитися дослідження (експерименти in vitro та in vivо), в результаті яких був вперше запрованований до застосування так званий «мультигений предиктор». Потім було доведено доцільність його практичного використання на зразках пухлин грудної залози [21].
Протягом останнього десятиліття було визначено та рекомендовано до застосування у клінічній практиці багато профілів генної експресії, що мали прогностичне значення [22]. Так зване перше покоління профілів мало декілька спільних рис. Незважаючи на різні набори генів, що складають кожен із профілів, вони характеризують унікальну популяцію з високою експресією проліферативних генів, асоційованих з поганим прогнозом [23|. Оскільки рівень експресії генів проліферації зазвичай достатньо високий саме у естроген-рецептор-негативних пухлинах, такі профілі майже завжди визначають естроген-рецептор-негативні пухлини як захворювання з поганим прогнозом. Для естроген-рецептор-позитивного раку грудної залози вирішальним прогностичним фактором також вважається рівень експресії проліферативних генів. На основі цих особливостей, здається, що більшість із даних профілей в цілому корелюють з відповіддю на загальноприйняті схеми хіміотерапії [24], тобто пухлини з високою проліферативною здатністю краще реагують на таке лікування. Однак вони (профілі) не можуть передбачити можливу відповідь пухлини на один хіміотерапевтичний препарат порівняно з іншим та не можуть бути використані для визначення найкращої схеми для кожного окремого пацієнта.
У перші роки розвитку цієї технології деякі вчені стверджували, що профілювання експресії генів могло б стати більш раціональною альтернативою загальноприйнятій оцінці клініко-патологічних властивостей пухлини, що традиційно застосовується для визначення прогнозу при раку грудної залози на ранній стадії. Деякі важливі мета-аналізи показали, що ці методики можуть доповнювати один одного, але профілювання генів не зможе замінити оцінку таких традиційних факторів, як статус лімфовузлів та розмір пухлини, які є дуже важливими незалежними прогностичними критеріями, необхідними для повноцінного мультифакторного аналізу [25]. Крім того, точність прогностичної оцінки генного профілювання першого покоління залежить від часового чинника, тобто більш надійне прогнозування можливе у перші 5 років після встановлення діагнозу і є менш точним - у пізній період [26].
Зрештою, існують деякі докази того, що прогностична оцінка профілювання першого покоління може бути порівняна з тою, що надається напівкількісною та високоякісною оцінкою естрогенових, прогестеронових рецепторів, HER2 та Ki-67 [27].

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