Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
EDUCACIONAL: Fundamentos de la Inmunoterapia en 2014
INMUNOTERAPIA EN 2014:
BASES BIOLÓGICAS
Emiliano Calvo
START Madrid, Centro Integral Oncológico Clara Campal
Inmunoterapia en 2014: Bases biológicas
1890s 1909 Present
Coley reports cases of tumor regression following inoculation with erysipelas infection.1
1995 1985 1980s
Beginning in the 1980s, immunosuppressed HIV patients were shown to be at increased risk of certain cancers.3
Paul Ehrlich proposed a
role for the immune
system against cancer.2
Late 1950s
Reports of tumor regression in patients administered LAK with IL-2.4
Burnet and Thomas: The theory of immunosurveillance2:
The immune system patrols the body to detect and destroy nascent tumor cells.
1990s
Tumors are found to express antigens that can elicit a T cell–mediated immune response.5
Increased tumorigenesis in immunodeficient mice lacking T-, B- and NKT cells.7,8
Checkpoint inhibitor demosntrate antitumor efficacy
2000s
Regulators of T-cell activity, spurring research into the role of immune checkpoints in cancer are elucidated.6
HIV = human immunodeficiency virus; LAK = lymphokine-activated killer; IL-2 = interleukin-2; NKT = natural killer T. 1. Coley WB. Am J Med Sci. 1893;105:487–511. 2. Ichim CV. J Transl Med. 20058;3:8. 3. Levine AM et al. Curr Probl Cancer. 1987;11:209–55. 4.
Rosenberg SA et al. N Engl J Med. 1985;313:1485–1492. 5. van der Bruggen P et al. Science. 1991;254:1643–1647. 6. Tivol EA. et al. Immunity.
1995;3:541–547. 7. Vesely MD et al. Annu Rev Immunol. 2011;29:235–271. 8. Shankaran V. et al. Nature. 2001;410:1107–1111. 9. Drake CG et al.
Nat. Rev. Clin. Oncol. 2014;11: 24–37.
OPTIMIZATION of checkpoint inhibtors is an active focus of cancer research.9
2010s
EDUCACIONAL: Fundamentos de la Inmunoterapia en 2014
INMUNOTERAPIA EN 2014:
BASES BIOLÓGICAS PARA SU OPTIMIZACIÓN (mRCC)
Emiliano Calvo
START Madrid, Centro Integral Oncológico Clara Campal
• Datos de eficacia – ¿La actividad clínica observada mejorará OS? – ¿Cuántas respuestas son duraderas tras
discontinuación de tratamiento?
• Biomarcadores predictivos – ¿Podemos mejorar la selección de pacientes para
mover los CPI a primera línea?
• Combinaciones terapéuticas – ¿Podemos producir más respuestas duraderas? – ¿La toxicidad limitará su potencial?
Preguntas pendientes de responder
(checkpoint inhibitors)
• Datos de eficacia – ¿La actividad clínica observada mejorará OS? – ¿Cuántas respuestas son duraderas tras
discontinuación de tratamiento?
• Biomarcadores predictivos – ¿Podemos mejorar la selección de pacientes para
mover los CPI a primera línea?
• Combinaciones terapéuticas – ¿Podemos producir más respuestas duraderas? – ¿La toxicidad limitará su potencial?
Preguntas pendientes de responder
(checkpoint inhibitors)
“One may ultimately have to consider each advanced malignancy as an individual therapeutic problem….Immunotherapy becomes a leading candidate for the easiest means of destroying the remainder of the neoplastic clone...it is more feasible to produce specific cytotoxic antiserums or lymphocytes against a particular tumor than to design a specific chemotherapeutic agent for each neoplasm.”
The Clonal Evolution of Tumor Cell Populations
Acquired genetic lability permits stepwise selection of variant sublines and underlies tumor progression.
Peter C. Nowell , 1976
Heterogeneidad intratumoral
Heterogeneidad intratumoral
y terapia personalizada
• El desarrollo de un arsenal suficientemente amplio de fármacos dirigidos a dianas moleculares es un desafío técnico y clínico – La diversidad clonal y evolución tumoral da lugar a
resistencias a targeted drugs
• Los tratamientos basados en la modulación del sistema inmune parecen especialmente indicados para el desafío de la heterogeneidad tumoral
Drake ASCO 2013
• Generalmente bien tolerado: astenia, rash, prurito, diarrea - 3 muertes: neumonitis (no RCC)
• Eficacia preliminar en pacientes muy pretratados:
- 29% respuestas objetivas - Mediana PFS, 7.3 meses
6 months
Fase I nivolumab: cohorte RCC (n=34)
Drake ASCO 2013
• Generalmente bien tolerado: astenia, rash, prurito, diarrea - 3 muertes: neumonitis (no RCC)
• Eficacia preliminar en pacientes muy pretratados:
- 29% respuestas objetivas - Mediana PFS, 7.3 meses
6 months
Treatment- Free
Survival (TFS)
Todos pararon tto.
Fase I nivolumab: cohorte RCC (n=34)
¿Cuál es el objetivo del paciente?
Yrs
Immunotherapy
Targeted Therapy
Su
rviv
al
Controls/
Conventional Therapy
Ribas A, et al. Clin Cancer Res. 2012;18:336-341.
¿Cuál es el objetivo del paciente?
Yrs
Immunotherapy
Targeted Therapy
Su
rviv
al
Controls/
Conventional Therapy
Ribas A, et al. Clin Cancer Res. 2012;18:336-341.
Nivo RCC Phase 2: Duration of response
9 First response Ongoing response Last dose
Time (months)
0 3 6 9 12 15 18 21 24 27 30
0.3 mg/kg (n=12) 2 mg/kg (n=12) 10 mg/kg (n=11)
Re
sp
ond
ers
Response following treatment discontinuation
Motzer et al, ASCO 2014
• Datos de eficacia – ¿La actividad clínica observada mejorará OS? – ¿Cuántas respuestas son duraderas tras
discontinuación de tratamiento?
• Biomarcadores predictivos – ¿Podemos mejorar la selección de pacientes para
mover los CPI a primera línea?
• Combinaciones terapéuticas – ¿Podemos producir más respuestas duraderas? – ¿La toxicidad limitará su potencial?
Preguntas pendientes de responder
(checkpoint inhibitors)
• ¿Están ya listos para guiar el desarrollo clínico?
• ¿Deberíamos estratificar a los pacientes en ensayos pivotales sobre la base de expresión tumoral de PD-L1?
• ¿Podemos añadir nuevos parámetros marcadores o predictivos de respuesta?
Biomarcadores
Agent(s) Tumor Type n RR (%)
PD-L1 pos
RR(%)
PD-L1 neg
Nivolumab1 Multiple Solid
Tumors
42 36% 0%
MPDL3280A2 Kidney Cancer 47 20% 10%
Nivolumab3 Melanoma 34 44% 17%
Nivo/Ipi4 Melanoma 27 40% 47%
1Topalian et al, NEJM, 2012, 2Cho et al ASCO 2013, 3Grosso et al ASCO 2013, 4Wolchok et al, NEJM 2013
Expresión de PD-L1 y respuesta
Agent(s) Tumor Type n RR (%)
PD-L1 pos
RR(%)
PD-L1 neg
Nivolumab1 Multiple Solid
Tumors
42 36% 0%
MPDL3280A2 Kidney Cancer 47 20% 10%
Nivolumab3 Melanoma 34 44% 17%
Nivo/Ipi4 Melanoma 27 40% 47%
1Topalian et al, NEJM, 2012, 2Cho et al ASCO 2013, 3Grosso et al ASCO 2013, 4Wolchok et al, NEJM 2013
Expresión de PD-L1 y respuesta
S Signoretti, 2014
¿Podemos desarrollar un modelo fiable
de predicción de respuesta a inmunoterapia?
• Modelo multifactorial de predicción de respuesta: – Incorpora tumor e infiltrado tumoral – Integra múltiples plataformas analíticas (IHC, IF, gene
expression, mutational signature)
Former/
Current Smokers
Never
Smokers
Response by Smoking Status (ORR*) Smoking Status (NSCLC; n = 53)
Pts
Wit
h P
R (
%)
EGFR
Mutant
EGFR Status (NSCLC; n = 53)
Unknown
Response by EGFR Status (ORR*)
Pts
Wit
h P
R (
%)
KRAS Status (NSCLC; n = 53) Response by KRAS Status (ORR*)
Pts
Wit
h P
R (
%)
KRAS
Mutant
Unknown
EGFR WT EGFR Mutant
KRAS WT KRAS Mutant
11/43 1/10
9/40 1/6
8/27 1/10
MPDL3280A Phase Ia:
Response by Smoking and Mutational Status
Horn L, et al. WCLC 2013. Abstract MO18.
50
40
30
20
10
0
50
40
30
20
10
0
50
40
30
20
10
0
Former/Current Smokers Never Smokers
26%
10%
23% 17%
30%
10% 51%
30%
19%
76% 13%
11%
81%
19%
KRAS WT
EGFR WT
• Estudio Fase 1, Nivolumab
– ORR = 29% (n=34)
– ORR, por grado tumoral– basado en informes de AP
• Grado 1/2 – 18%
• Grado 3/4 – 45% (9/20)
• Grado 4 – 62% (5/8)
D. MacDermott, 2014
Grado tumoral y respuesta a antiPD-L1
MS Lawrence et al. Nature 2013
Mutaciones somáticas por tipo tumoral
MS Lawrence et al. Nature 2013
Mutaciones somáticas por tipo tumoral
MS Lawrence et al. Nature 2013
Mutaciones somáticas por tipo tumoral
Algunas mutaciones tienen potencial
de generar “neoantígenos”
• Datos de eficacia – ¿La actividad clínica observada mejorará OS? – ¿Cuántas respuestas son duraderas tras
discontinuación de tratamiento?
• Biomarcadores predictivos – ¿Podemos mejorar la selección de pacientes para
mover los CPI a primera línea?
• Combinaciones terapéuticas – ¿Podemos producir más respuestas duraderas? – ¿La toxicidad limitará su potencial?
Preguntas pendientes de responder
(checkpoint inhibitors)
Tumor Defense
Immune response
All Patients
Selección de pacientes para
inmunoterapia personalizada
Tumor Defense
Immune response
+++ +++++
+++++++ +++++++++ +++++++++ +++++++++ ++++++++
++++++ ++++
All Patients
Selección de pacientes para
inmunoterapia personalizada
Biomarcador +, sensible: Single agents PD-1/PD-L1 Ab
Tumor Defense
Immune response
+++ +++++
+++++++ +++++++++ +++++++++ +++++++++ ++++++++
++++++ ++++
All Patients
Selección de pacientes para
inmunoterapia personalizada
Biomarcador +, resistente: Terapia combinacional
• Biomarcador +, sensible – Monoterapia, agente único (PD-1/PD-L1 Ab)
• Biomarcador +, resistente – Terapia combinacional
• Eliminación de Tregs: anti-GTR, CCR4 • Inh de VEGF/MDSC: anti-VEGF, HDM2 • Activación T cells efectoras: IL-2, CD137 Ab, IL-21 • Activación DCs: GM-CSF • Otros checkpoing inh: CTLA4, TIM3, etc
• Biomarcador -, tumores “no inflamados” – Inducir inmunidad antitumoral
• Promover expresión antigénica (agentes demetilantes, RT, IFN IT) • Generar respuesta inmune específica, focalizada (Vacunas –DCs, Neoantígenos…-)
Selección de pacientes para
inmunoterapia personalizada
• Biomarcador +, sensible – Monoterapia, agente único (PD-1/PD-L1 Ab)
• Biomarcador +, resistente – Terapia combinacional
• Eliminación de Tregs: anti-GTR, CCR4 • Inh de VEGF/MDSC: anti-VEGF, HDM2 • Activación T cells efectoras: IL-2, CD137 Ab, IL-21 • Activación DCs: GM-CSF • Otros checkpoing inh: CTLA4, TIM3, etc
• Biomarcador -, tumores “no inflamados” – Inducir inmunidad antitumoral
• Promover expresión antigénica (agentes demetilantes, RT, IFN IT) • Generar respuesta inmune específica, focalizada (Vacunas –DCs, Neoantígenos…-)
Selección de pacientes para
inmunoterapia personalizada
• Terapia anti-VEGF tiene propiedades inmunomoduladoras
– Aumenta el tráfico de T cells hacia los tumores1,2
– Reduce citoquinas supresoras y Tregs infiltrantes y MDSCs3,4
0
500
1000
1500
2000
0 10 20 30 40 50
Tu
mo
r V
olu
me
, m
m3
Day
Cloudman melanoma model5
Anti- PD-L1
Anti-VEGF
Control
Anti-PD-L1 + Anti-VEGF
MDSC, myeloid-derived suppressor cell; Tregs; regulatory T cells . 1. Manning. Clin Cancer Res. 2007. 2. Shrimali. Cancer Res. 2010. 3. Kutsmartsev. J Immunol. 2008. 4. Roland. PLOS One. 2009. 5. Genentech, data on file.
Racional de la combinación de PD-L1 + VEGF Abs
R
Sunitinib
PDL-1 antibody
PDL-1 antibody +
bevacizumab
Criterios de selección
RCC metastásico
Enfermedad medible (RECIST v1.1)
Tumor archivado o fresco disponible
PDL-1 positivo o negativo
Sin tratamientos previos
PD
PDL-1 antibody +
bevacizumab
PDL-1 antibody +
bevacizumab
Standard of care
Objetivo principal
Progression free survival
N=150 en 40 hospitales
RAPID: Fase 2 randomizado de la combinación de
PD-L1 + VEGF Abs (mRCC)
ASCO 2014
Amin, et al ASCO 2014
Respondedores en
primera evaluación (6
semanas):
Suni + Nivo = 7/17
(41.2%)
Pazo + Nivo = 5/9
(55.6%)
Respondedores con
respuesta mantenida:
Suni + Nivo = 10/17
(58.8%)
Pazo + Nivo = 3/9
(33.3%)
Time to response
Ongoing response
Response following discontinuation of therapy
Pazo + Nivo (n=9)
Sun + Nivo (n=17)
Pa
tie
nt
Median follow-up: S + N2, 91 weeks; S + N5, 53 weeks; P + N, 76.5 weeks
¿Más eficacia con PD-L1 Ab + VEGFR TKI?
• Biomarcador +, sensible – Monoterapia, agente único (PD-1/PD-L1 Ab)
• Biomarcador +, resistente – Terapia combinacional
• Eliminación de Tregs: anti-GTR, CCR4 • Inh de VEGF/MDSC: anti-VEGF, HDM2 • Activación T cells efectoras: IL-2, CD137 Ab, IL-21 • Activación DCs: GM-CSF • Otros checkpoing inh: CTLA4, TIM3, etc
• Biomarcador -, tumores “no inflamados” – Inducir inmunidad antitumoral
• Promover expresión antigénica (agentes demetilantes, RT, IFN IT) • Generar respuesta inmune específica, focalizada (Vacunas –DCs, Neoantígenos…-)
Selección de pacientes para
inmunoterapia personalizada
Phase I study of nivolumab in
combination with ipilimumab in
metastatic renal cell carcinoma (mRCC)
H. Hammers, E.R. Plimack, J.R. Infante, M.S. Ernstoff,
B. Rini, D.F. McDermott, A. Razak, S.K. Pal, M.H. Voss, P. Sharma,
C. Kollmannsberger, D. Heng, J. Spratlin, Y. Shen, J.F. Kurland,
P. Gagnier, A. Amin
Hammers, et al ASCO 2104
Treatment-related select AE categories
Category, n (%) N3 + I1 (n=21) N1 + I3 (n=23)
All Grade 3-4 All Grade 3-4
Endocrinopathy 3 (14.3) 0 8 (34.8) 0
Gastrointestinal disorder 6 (28.6) 1 (4.8) 9 (39.1) 4 (17.4)
Hepatic 1 (4.8) 0 9 (39.1) 6 (26.1)
Infusion reaction 2 (9.5) 0 2 (8.7) 0
Pulmonary 1 (4.8) 0 2 (8.7) 0
Renal disorder 2 (9.5) 0 3 (13.0) 0
Skin disorder 8 (38.1) 0 9 (39.1) 0
No high-grade pulmonary AEs, including pneumonitis, were
observed
Hammers, et al ASCO 2104
ASCO 2014
¿Más eficacia con bloqueo PD-L1 + CTLA-4?
Respondedores a
primera evaluación
(6 semanas):
N3 + I1 = 4/9 (44.4%)
N1 + I3 = 6/11 (54.5%)
Respondedores con
respuesta mantenida:
N3 + I1 = 7/9 (77.8%)
N1 + I3 = 9/11 (81.8%)
Pacientes que
terminan el tratamiento
(no debido a
progresión) y que
mantienen su
respuesta:
N3 + I1 = 3/9 (33.3%)
(23.3, 16.4, & 0.3 weeks)
N1 + I3 = 5/11 (45.5%)
(17, 22, 12.3, 7.2 &
4.1 weeks)
Time to response
Ongoing response
Response following discontinuation of therapy
N3 + I1 (n=9)
N1 + I3 (n=11)
• Median duration of response (DOR) for N3 + I1 was 31 weeks
• Median DOR was not reached in the N1 + I3 arm at 40.1 weeks
follow-up
Trial Sponsor Status NCT #
Nivolumab vs. Everolimus Phase III BMS Enrolled 01844505
Phase I/II Pazopanib + Pembro GSK Enrolling 02014636
Phase II PD-L1 vs. Bev/PD-L1 vs. Sunitinib
Genentech Enrolling 01984242
Phase I Axitinib + Pembro Pfizer Enrolling 02133742
Nivo/Ipi vs. Sunitinib Phase III BMS Coming Soon 02231749
PD-1 Adjuvant Trial NCI/Coop In Development
Ensayos actuales del pathway PD1 (RCC)
Yrs
Immunotherapy
Targeted Therapy
Su
rviv
al
Combination???
Controls/
Conventional Therapy
Ribas A, et al. Clin Cancer Res. 2012;18:336-341.
¿Cuál es el objetivo del paciente?
• Biomarcador +, sensible – Monoterapia, agente único (PD-1/PD-L1 Ab)
• Biomarcador +, resistente – Terapia combinacional
• Eliminación de Tregs: anti-GTR, CCR4 • Inh de VEGF/MDSC: anti-VEGF, HDM2 • Activación T cells efectoras: IL-2, CD137 Ab, IL-21 • Activación DCs: GM-CSF • Otros checkpoing inh: CTLA4, TIM3, etc
• Biomarcador -, tumores “no inflamados” – Inducir inmunidad antitumoral
• Promover expresión antigénica (agentes demetilantes, RT, IFN IT) • Generar respuesta inmune específica, focalizada (Vacunas –DCs, Neoantígenos…-)
Selección de pacientes para
inmunoterapia personalizada
Expresión elevada de marcadores vasculares, macrófagos y fibroblastos
Expresión baja de citoquinas y linfocitos
Baja cantidad de células efectoras en tumor
Gajewski, Curr Opin Immun 2011
Tumores “no inflamados”
Presentación Antígenos tumorales
Immune response
All Patients
Selección de pacientes para
inmunoterapia personalizada
Presentación Antígenos tumorales
Immune response
All Patients
Selección de pacientes para
inmunoterapia personalizada
Biomarcador -, “non inflammed”: Inducción de inmunidad antitumoral
• Biomarcador +, sensible – Monoterapia, agente único (PD-1/PD-L1 Ab)
• Biomarcador +, resistente – Terapia combinacional
• Eliminación de Tregs: anti-GTR, CCR4 • Inh de VEGF/MDSC: anti-VEGF, HDM2 • Activación T cells efectoras: IL-2, CD137 Ab, IL-21 • Activación DCs: GM-CSF • Otros checkpoing inh: CTLA4, TIM3, etc
• Biomarcador -, tumores “no inflamados” – Inducir inmunidad antitumoral
• Promover expresión antigénica (agentes demetilantes, RT, IFN IT) • Generar respuesta inmune específica, focalizada (Vacunas –DCs, Neoantígenos…-)
Selección de pacientes para
inmunoterapia personalizada
• IMA901: – Vacuna de múltiples péptidos
asociados a tumor + GM-CSF
• AGS-003: – Vacuna de células dendríticas
autólogas (+ sunitinib)
Sunitinib
Dranoff Cancer Cell 2012
RGE
Vacunas (RCC)
Tumor-specific mutant
proteins as antigens
Neoantigenos tumorales
Allogeneic HSC
transplant &
DLI
Whole tumor cells as antigens
Over-expressed
tumor proteins as antigens
Especificidad de los antígenos tumorales
para inmunoterapia
• A día de hoy, la immunoterapia es el mejor método para
alcanzar el objetivo ideal del paciente: “Supervivencia libre
de tratamiento”
• La heterogeneidad intratumoral puede estar asociada a
una mayor actividad de la inmunoterapia
– ¿Carga mutacional = biomarcador predictivo?
– Puede generar neoantígenos que podrían ser usados
para inmunoterapia (vacunas)
• Necesitamos seleccionar a nuestros pacientes
(biomarcadores) para optimizar e individualizar sus
tratamientos
– Agentes únicos
– Combos
– Inductores de inmunidad antitumoral
Conclusiones