Het lijkt mogelijk een subgroep van patiënten met recidiverend/refractair diffuus grootcellig B-cellymfoom te identificeren die een hoog risico heeft op een slechte uitkomst na behandeling met tisagenlecleucel. Dr. Margot Jak (UMC Utrecht) liet tijdens de 64e ASH Annual Meeting zien dat hiervoor een kunstmatige-intelligentie-signatuur gebruikt kan worden gebaseerd op de pre-infusie FDG-PET/CT-scan en klinisch-pathologische kenmerken.
Hoewel een behandeling met chimere antigeenreceptor (CAR) T-celtherapie een mogelijke curatieve optie kan zijn voor patiënten met recidiverend of refractair diffuus grootcellig B-cellymfoom (R/R DLBCL), heeft 50-60% van de patiënten uiteindelijk toch progressie van ziekte.1,2,3 “CAR-T-celtherapie is een dure, intensieve behandeling met een aanzienlijke toxiciteit. We willen dan ook kunnen voorspellen welke patiënten een slechte uitkomst zullen hebben op CAR-T-celtherapie”, zei Margot Jak. Zij en haar collega’s veronderstelden dat de FDG-PET/CT-scan voorafgaand aan de infusie met CAR-T-cellen informatie bevat om de behandeluitkomsten voor patiënten met R/R DLBCL te voorspellen. Deze informatie zou volgens hen blootgelegd kunnen worden met kunstmatige intelligentie (KI). “We hadden dan ook tot doel om na te gaan of het haalbaar was een subgroep van patiënten met R/R DLBCL te identificeren met een zeer hoog risico op ziekteprogressie of overlijden na een behandeling met tisagenlecleucel (tisacel), gebruikmakend van KI om de pre-infusie FDG-PET/CT-scan in combinatie met klinisch-pathologische parameters te karakteriseren.”4
Deep learning
Jak en collega’s gebruikten voor hun onderzoek de patiëntendataset van de JULIET-studie. In deze studie ontvingen 115 patiënten een enkele infusie met tisacel.1 Voor al deze patiënten was een pre-infusie FDG-PET/CT beschikbaar, evenals relevante klinisch-pathologische karakteristieken. De primaire uitkomstmaat van de studie was progressievrije overleving (PFS) en de mediane follow-up was tachtig dagen. De pre-infusie FDG-PET/CT-beelden werden verwerkt met behulp van deep learning, vertelde Jak. Vervolgens werden klinisch-pathologische parameters toegevoegd, waaronder leeftijd, de international prognostic index (IPI), lactaatdehydrogenase (LDH), het aantal bloedplaatjes en het totale metabole tumorvolume. Op basis hiervan werd een KI-signatuur ontwikkeld.
Valideren
Jak liet zien dat 52,4% van de patiënten in de studie een negatieve KI-signatuur had. “Alle patiënten met een negatieve KI-signatuur hadden een slechte uitkomst”, zei zij (HR 0,357; p=0,043). De signatuur behield zijn significantie ook na correctie voor andere voorspellers van een slechte respons, zoals IPI of LDH. De mediane PFS was 13,8% bij patiënten met een negatieve KI-signatuur en 29,8% bij patiënten met een positieve signatuur. “We willen dit model nog valideren in andere datasets en nagaan of de KI-signatuur CAR-T-celspecifiek en/of productspecifiek is”, zei Jak.
Zij concludeerde dat het mogelijk is met behulp van KI een subgroep van patiënten met R/R DLBCL te identificeren met een zeer hoog risico op ziekteprogressie of overlijden na behandeling met tisacel.
Referenties
1. Schuster SJ, et al. N Engl J Med 2019;380:45-56.
2. Locke FL, et al. Lancet Oncol 2019;20:31-42.
3. Abramson JS, et al. Lancet 2020;396:839-52.
4. Jak M, et al. ASH 2022: abstr 792.
Drs. Bianca Hagenaars, wetenschapsjournalist
Congres Up-to-date 2023 vol 8 nummer 1
DEEL DIT ARTIKEL:
Commentaar prof. dr. Marie José Kersten, internist-hematoloog, Amsterdam UMC
Tijdens de 64e ASH Annual Meeting werden spraakmakende en baanbrekende resultaten gepresenteerd op het gebied van de diagnostiek en behandeling van maligne lymfomen. Bijvoorbeeld die van de HOVON110/ReBeL-studie, waarin onderzocht werd of de toevoeging van bendamustine aan lenalidomide plus rituximab (R2) geassocieerd was met een betere respons bij patiënten met recidiverend of refractair folliculair lymfoom (R/R FL). De eerder gepubliceerde resultaten van het fase 1-deel van de studie lieten zien dat de combinatie lenalidomide, rituximab en bendamustine (R2B) veilig was en dat 90 mg/m2 bendamustine, 20 mg lenalidomide en 375 mg/m2 rituximab de aanbevolen dosering voor fase 2 was.1 Helaas werd deze gerandomiseerde, maar niet-vergelijkende fase 2 voortijdig gestopt vanwege een trage inclusie. Toch bracht de studie een aantal interessante bevindingen voort, zoals de waarneming dat het PET/CT-bepaalde en centraal beoordeelde complete-respons (CR)-percentage in beide studiearmen rond 60% lag.2 Patiënten met een CR hadden bovendien een goede progressievrije en algehele overleving (PFS en OS). Na een mediane follow-up van vier jaar had ongeveer 60% van de patiënten nog steeds geen opvolgende behandeling nodig. R2B was vergeleken met R2 geassocieerd met iets meer toxiciteit, met name infecties, maar niet met een toename in bijwerkingen van graad 5. Door de komst van een aantal veelbelovende behandelingen, zoals bispecifieke antilichamen, denk ik niet dat een fase 3-studie naar R2B versus R2 voor de hand ligt. R2B lijkt wel een goede optie als je snel een CR wilt bereiken die ook lang aanhoudt.
Andere interessante resultaten kwamen van de TRANSFORM-studie. In deze gerandomiseerde fase 3-studie bepaalt men de uitkomst van lisocabtagene maraleucel (liso-cel), een CD19-gericht CAR-T-celproduct, versus standaard chemotherapie, gevolgd door autologe stamceltransplantatie bij patiënten met primair refractair of snel recidiverend grootcellig B-cellymfoom (R/R LBCL). De primaire resultaten lieten zien dat liso-cel vergeleken met chemotherapie geassocieerd was met een significant betere PFS.3 De OS-resultaten zijn nog niet matuur, maar suggereren al een betere uitkomst met liso-cel. De werkzaamheid van liso-cel is erg vergelijkbaar met die van het CD19-gerichte CAR-T-celproduct axicabtagene ciloleucel (axi-cel) in de ZUMA-7-studie, maar liso-cel lijkt geassocieerd met minder bijwerkingen, waaronder cytokinereleasesyndroom en neurotoxiciteit.4 Mogelijk heeft dit te maken met verschillen in het costimulatoire molecuul, dat bij liso-cel 41BB is, terwijl dit bij axi-cel CD28 is. Liso-cel is nog niet beschikbaar in Nederland.
Tijdens de ASH Annual Meeting liet dr. Margot Jak (UMC Utrecht) zien dat een kunstmatige-intelligentie-signatuur, die gebaseerd is op FDG-PET/CT-scans en klinisch-pathologische kenmerken, gebruikt kan worden als predictieve marker bij patiënten met R/R diffuus LBCL die deelnamen aan de JULIET-studie. Uit de resultaten bleek dat het signatuur een subgroep identificeerde die een hoog risico heeft op een slechte uitkomst met tisagenlecleucel.5 Het zou interessant zijn om te kijken of de signatuur ook predictieve waarde heeft bij andere CAR-T-celproducten, zoals axi-cel.
Referenties
1. Stevens WB, et al. Hemasphere 2020;4:e325.
2. Kersten MJ, et al. ASH 2022: abstr 950.
3. Abramson JS, et al. ASH 2022: abstr 655.
4. Locke FL, et al. N Engl J Med 2022;386:640-54.
5. Jak M, et al. ASH 2022: abstr 792.
In een podcast met dr. Jurjen Versluis bespreekt prof. dr. Marie José Kersten naast bovenstaande studie onder andere ook de langetermijnresultaten van tisagenlecleucel bij patiënten met hoog-risico R/R FL (fase 2-ELARA-studie) en de uitkomst van immuuncheckpointblokkade ná CAR-T-celtherapie en van axicabtagene ciloleucel bij oudere patiënten met LBCL die niet voor ASCT in aanmerking kwamen (fase 2-ALYCANTE-studie).
Deze podcast is te beluisteren op oncologie.nu/podcasts