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 V (Частину IV див. за посиланням: http://vista-mediclub.com/oncology-news/1640-chastina-iv-profiljuvannja-70-geniv)

Коефіцієнт рецидивування або  «Oncotype DX»

Паралельно із розвитком методики профілювання експресії генів на основі технології мікрочіпів, Paik із співавторами розробив так звану методику «Oncotype DX» - кількісну зворотну транскрипцію полімеразної ланцюгової реакції– профілювання на основі вимірювання експресії 21 гена (16 генів, пов'язаних з онкозахворюванням і 5 - контрольних генів). Вона може бути проведена з РНК, виділеної з фіксованих у формаліні або парафіні зразків тканини. Oncotype DX вираховує коефіцієнт рецидивування (RS)- фактор прогнозу ризику виникнення віддалених рецидив протягом 10 років для пацієнтів з естроген – рецептор –позитивними та вузол-негативними випадками раку грудної залози. Він (RS) був розроблений на основі аналізу клінічних зразків з клінічного випробування National Surgical Adjuvant Breast and Bowel Project (NSABP) B-20. RS –це безперервна змінна величина в межах від 0 до 100, яка є незалежним прогностичним фактором у пацієнтів з естроген-рецептор-позитивним та лімфовузол-негативним раком грудної залози, які отримують ад’ювантну терапію тамоксифеном. Пацієнти діляться на три категорії:
- з низьким ризиком (RS < 18),
- з середнім ризиком (RS 18-31),
- з високим ризиком (RS >31),
Ці групи корелюють із 10-річною частотою рецидивів - 7%, 14%, і 30% відповідно. Оптимальне ведення групи проміжного ризику є невизначеним, і в даний час вивчається в дослідженні TailorX, в якому пацієнти з естроген-рецептор-позитивним та вузол-негативним раком грудної залози оцінювалися з позиції ризику виникнення віддалених рецидивів після операції і були умовно розділені:
- низький рівень ризику (RS< 11),
- проміжний рівень ризику (RS 11-25),
- група високого ризику (RS>25). Пацієнти з проміжним рівнем ризику
рецидиву хвороби були випадковим чином розподілені на групи, що отримували ендокринну терапію:
- окремо,
- в комбінації з хіміотерапією.
В 2015 році були представлені результати пацієнтів з низьким рівнем ризику (RS < 11), які продемонструвли відмінні 5-річні результати у пацієнтів, що отримували тільки ендокринну терапію, незалежно від віку, розміру пухлини та стадії. Автори прийшли до висновку, що ці пацієнти можуть безпечно лікуватися без хіміотерапії.
Основні результати щодо групи проміжного рівня ризику ще з нетерпінням очікуються.
Подальший аналіз також показав, що в цілому RS корелює з ефективністю від отриманої хіміотерапії у пацієнтів з естроген -рецептор-позитивним захворюванням. Проте, він не забезпечує рівень прогностичного значення для диференціації між різними препаратами для хіміотерапії та схемами лікування. Він (RS) також не може бути корисним для розрізнення між підгрупами HER2-позитивниго раку грудної залози, так як HER2 є одним з 21 генів, які представлені в тесті.
За останні кілька років аналіз Oncotype DX був перевірений серед пацієнтів, які мали до трьох позитивних лімфатичних вузлів і яким було запропоноване лікування інгібіторами ароматази. Хоча прогностичне значення Oncotype DX було ретельно перевірено, є деякі докази того факту, що RS корелює з деякими клініко-морфологічними параметрами, а деякі з цих параметрів, такі як: розмір пухлини, статус лімфовузлів і навіть гістологічний клас, залишаються незалежними від RS. Отже, модель, яка поєднує RS з традиційними анатомічними
патологічними факторами, може бути більш прогностичною, ніж тільки один RS.

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