Biomarker zur Vorhersage der Wirksamkeit und unerwünschten Wirkungen von Immun-Checkpoint-Inhibitoren bei Lungenkrebs: Erfolge und Perspektiven

Lungenkrebs bleibt die häufigste maligne Krebsart in China und die führende Ursache krebsbedingter Mortalität weltweit. Trotz Fortschritten in der Behandlung liegt die 5-Jahres-Überlebensrate bei metastasiertem Lungenkrebs bei etwa 5 %, was den dringenden Bedarf an innovativen Therapien unterstreicht. Immun-Checkpoint-Inhibitoren (ICIs), die Signalwege wie zytotoxisches T-Lymphozyten-Antigen 4 (CTLA-4) und programmierten Zelltod-1 (PD-1)/programmierten Zelltod-Ligand 1 (PD-L1) blockieren, haben die Behandlung des Lungenkrebses revolutioniert, indem sie antitumorale Immunantworten verstärken. Dennoch profitieren nur 15–25 % der Patienten von der ICI-Therapie, und immunvermittelte unerwünschte Ereignisse (irAEs) treten bei 20–30 % der Patienten auf. Dies verdeutlicht die Notwendigkeit von Biomarkern zur Stratifizierung von Patienten, zur Vorhersage des Therapieansprechens und zur Minimierung von Toxizitäten.

Immun-Checkpoint-Inhibitoren: Mechanismen und klinische Anwendungen

ICIs blockieren Immuncheckpoints, die Tumore zur Umgehung der Immunüberwachung nutzen. CTLA-4-Inhibitoren wirken während der Aktivierungsphase von T-Zellen, während PD-1/PD-L1-Inhibitoren die T-Zell-Erschöpfung im Tumormikromilieu (TME) verhindern. Zugelassene ICIs für Lungenkrebs umfassen PD-1-Inhibitoren (Nivolumab, Pembrolizumab, Sintilimab), PD-L1-Inhibitoren (Atezolizumab, Durvalumab, Avelumab) und CTLA-4-Inhibitoren (Ipilimumab, Tremelimumab). Beispielsweise ist Pembrolizumab eine Erstlinientherapie für NSCLC-Patienten mit PD-L1-Expression ≥50 %, während Nivolumab für fortgeschrittenen kleinzelligen Lungenkrebs (SCLC) zugelassen ist. Trotz ihrer Wirksamkeit bleiben primäre und erworbene Resistenzen gegen ICIs eine große Herausforderung, bedingt durch Faktoren wie onkogene Mutationen (z. B. EGFR, STK11) und Veränderungen des Darmmikrobioms.

Tumorassoziiert-abnormale Biomarker

PD-L1-Expression

PD-L1, exprimiert auf Tumor- und Immunzellen, ist der am besten untersuchte Biomarker für PD-1/PD-L1-Inhibitoren. Eine hohe PD-L1-Expression (≥50 %) korreliert mit verbessertem progressionsfreiem Überleben (PFS) und Gesamtüberleben (OS) bei NSCLC. Die prädiktive Aussagekraft ist jedoch inkonsistent. In der KEYNOTE-024-Studie verbesserte Pembrolizumab das OS bei NSCLC-Patienten mit PD-L1 ≥50 %, während andere Studien Ansprechen auch bei PD-L1-negativen Patienten zeigten. Variabilitäten entstehen durch Tumorheterogenität, dynamische Expressionsänderungen während der Therapie und Unterschiede in Nachweismethoden (z. B. Antikörperklonen 22C3, 28-8, SP263). Die Limitierungen von PD-L1 erfordern eine Kombination mit anderen Biomarkern, wie CD8+-tumorinfiltrierenden Lymphozyten (TILs), um die Vorhersagegenauigkeit zu erhöhen.

Tumor-Mutationslast (TMB)

TMB, definiert als die Anzahl nicht-synonymer Mutationen pro Megabase, spiegelt die Neoantigenlast wider. Eine hohe TMB (≥10 Mutationen/Mb) korreliert mit besserem PFS und Ansprechraten (ORR) bei ICI-behandelten NSCLC- und SCLC-Patienten. Blutbasierte TMB (bTMB) bietet eine nicht-invasive Alternative, deren Assoziation mit dem Ansprechen auf Atezolizumab in Studien validiert wurde. TMB berücksichtigt jedoch nicht die Neoantigenqualität, die von Klonalität, MHC-Bindungsaffinität und Homologie zu mikrobiellen Epitopen abhängt. Mikrosatelliteninstabilität (MSI) und Mismatch-Reparatur-Defizienz (MMRd), obwohl selten bei Lungenkrebs, sind aufgrund ihrer hohen Neoantigenproduktion vielversprechende Biomarker.

Neoantigene und spezifische Genmutationen

Neoantigene, abgeleitet von tumorspezifischen Mutationen, treiben antitumorale Immunität an. Der differenzielle Agretopizitätsindex (DAI), der die MHC-Bindungsaffinität misst, sagt das Überleben bei Pembrolizumab-behandelten NSCLC-Patienten voraus. Klonale Neoantigene, vorhanden in allen Tumorzellen, induzieren stärkere Immunantworten als subklonale Varianten. Spezifische Treibermutationen beeinflussen die ICI-Effizienz: EGFR-Mutationen korrelieren mit niedriger TMB und schlechtem Ansprechen, während STK11/KRAS-Komutationen Resistenz bei NSCLC vorhersagen. Zirkulierende Tumor-DNA (ctDNA) ermöglicht die dynamische Überwachung der Tumorlast, wobei sinkende Werte nach Therapiebeginn mit verbessertem PFS und OS assoziiert sind.

Wirtsimmunitätsassoziierte Biomarker

Humanes Leukozytenantigen Klasse I (HLA-I)

HLA-I-Diversität verbessert die Antigenpräsentation und korreliert mit besserem Überleben unter ICI-Therapie. Der Verlust der HLA-I-Heterozygotie oder Antigenpräsentationsfunktion geht mit Resistenz einher, wie bei NSCLC-Patienten mit reduzierter β2-Mikroglobulin-Expression beobachtet.

Tumormikromilieu (TME)

Die Immunzusammensetzung des TME beeinflusst das ICI-Ansprechen kritisch. Eine hohe CD8+-TIL-Dichte (>617,5/mm²) und niedrige FoxP3+/CD8+-Verhältnisse sagen günstige Outcomes voraus. Erschöpfte PD-1-exprimierende CD8+-T-Zellen (PD1T) korrelieren mit dem Ansprechen auf Anti-PD-1-Therapie. Stromale TGF-β-Signalgebung und tumorassoziierte Makrophagen (TAMs) supprimieren die Immunität, während regulatorische B-Zellen und myeloide Suppressorzellen (MDSCs) mit Resistenz assoziiert sind. Periphere Blutbiomarker, wie PD-1+CD4+/Gesamt-CD4+-Verhältnisse, bieten nicht-invasive Prädiktionsmöglichkeiten.

Periphere inflammatorische Zellen

Systemische Entzündungsmarker, einschließlich Neutrophilen-Lymphozyten-Verhältnis (NLR) und absoluter Lymphozytenzahl (ALC), haben prognostischen Wert. Ein hoher Baseline-NLR (>4,9) sagt schlechte Outcomes voraus, während ALC ≥1.000/μL nach Therapie mit verlängertem OS korreliert. Zusammengesetzte Scores wie der immun-metabolisch-prognostische Index (IMPI) integrieren metabolische (z. B. totale Läsionsglykolyse) und inflammatorische Parameter zur verbesserten Vorhersage.

Mikrobiom

Die Diversität des Darmmikrobioms moduliert die ICI-Effizienz. Antibiotikaeinsatz, der die mikrobielle Vielfalt reduziert, ist mit kürzerem PFS und OS assoziiert. Spezifische Taxa wie Akkermansia muciniphila und Faecalibacterium verstärken antitumorale Immunität und sagen Ansprechen voraus. Bei chinesischen NSCLC-Patienten korreliert Bifidobacterium– und Lachnospiraceae-Anreicherung mit verbesserten Outcomes. Im Gegensatz dazu kann Bacteroidales-Dominanz Resistenz fördern.

Indolamin-2,3-Dioxygenase (IDO)

IDO, ein immunsuppressives Enzym, katabolisiert Tryptophan zu Kynurenin. Ein niedriges Kynurenin/Tryptophan-Verhältnis sagt längeres PFS und OS unter Anti-PD-1-Therapie bei NSCLC voraus und unterstreicht IDOs Rolle als Resistenzmechanismus.

Biomarker für immunvermittelte unerwünschte Ereignisse (irAEs)

IrAEs, verursacht durch Immunüberaktivierung, betreffen multiple Organe. Risikofaktoren umfassen weibliches Geschlecht, vorbestehende interstitielle Lungenerkrankung und Strahlentherapie in der Anamnese. Biomarker wie Tumorgröße (Summe der Läsionsdurchmesser) sagen schwere irAEs voraus. Autoimmun-Hauttoxizität korreliert mit Tumoransprechen, was auf gemeinsame Antigene zwischen Tumoren und gesundem Gewebe hindeutet. Checkpoint-Inhibitor-Pneumonitis ist jedoch mit schlechterem Überleben verbunden.

Herausforderungen und zukünftige Richtungen

Aktuelle Biomarker weisen Limitierungen auf: PD-L1-Heterogenität, TMBs Unempfindlichkeit gegenüber Neoantigenqualität und Mikrobiom-Empfindlichkeit gegenüber externen Faktoren. Die Integration multi-omischer Daten (genomisch, transkriptomisch, proteomisch) und künstlicher Intelligenz könnte umfassende Modelle liefern. Flüssigbiopsien, einschließlich ctDNA und peripheren Immunzellprofilen, ermöglichen Echtzeitmonitoring. Prospektive Studien sind erforderlich, um neuartige Biomarker (z. B. HLA-I, IDO) zu validieren und Kombinationsstrategien zu optimieren.

Schlussfolgerung

Die Entwicklung von Biomarkern für ICIs bei Lungenkrebs hat bedeutende Fortschritte erzielt, wobei PD-L1 und TMB klinische Entscheidungen leiten. Dennoch unterstreichen ihre Limitierungen die Notwendigkeit multimodaler Ansätze. Neuartige Biomarker wie Neoantigen-Fitness, Mikrobiomdiversität und IDO-Aktivität versprechen personalisierte Immuntherapien. Zukünftige Forschung muss Resistenzmechanismen adressieren, Nachweismethoden standardisieren und prädiktive Modelle validieren, um die Patientenergebnisse zu verbessern.

doi.org/10.1097/CM9.0000000000001090