Prognostické a prediktivní faktory při léčbě mCRC v praxi

Slides:



Advertisements
Podobné prezentace
Číslo projektu CZ.1.07/1.5.00/ Název školy
Advertisements

KÓDOVANIE INFORMÁCIÍ Maroš Malý, 4.C.
Percentá Percentá každý deň a na každom kroku.
NÁZEV: VY_32_INOVACE_05_05_M6_Hanak TÉMA: Dělitelnost
Delavnica za konfiguriranje dostopovnih točk RAČUNALNIŠKA OMREŽJA
ALGORITMIZACE.
Jan Coufal, Julie Šmejkalová, Jiří Tobíšek
Obvod a obsah kruhu Prezentaci Mgr. Jan Kašpara (ZŠ Hejnice) upravila a doplnila Mgr. Eva Kaucká e.
Určitý integrál. Příklad.
Shodné zobrazení, osová souměrnost, středová souměrnost
Opakování na 4. písemnou práci
rtinzartos Napište slova, která obsahují uvedená písmena.
Cvičení Úloha 1: Rozhodněte zda posloupnost znaků v poli délky n tvoří palindrom (slovo, které je stejné při čtení zprava i zleva). Př.: [a,l,e,l,a]
Data Science aneb BigData v praxi
Slovní úlohy pro „autaře“
Emise a absorpce světla
NÁZEV ŠKOLY: Základní škola Hostouň, okres Domažlice,
Problematika spotřebitelských úvěrů
Elektrikcé pole.
Střední odborná škola a Střední odborné učiliště, Hradec Králové, Vocelova 1338, příspěvková organizace Registrační číslo projektu: CZ.1.07/1.5.00/
Dynamická pevnost a životnost Přednášky
Perspektivy budoucnosti lidstva
6. PŘEDNÁŠKA Diagnostické (screeningové) testy v epidemiologii
Základy elektrotechniky
NÁZEV: VY_32_INOVACE_08_12_M9_Hanak TÉMA: Jehlan OBSAH: Objem
Změny skupenství Ing. Jan Havel.
Seminář JČMF Matematika a fyzika ve škole
Test: Mechanické vlastnosti kapalin (1. část)
4.2 Deformace pevného kontinua 4.3 Hydrostatika
A ZÁROVEŇ HNED DOKONALÉ
Tělesa –Pravidelný šestiboký hranol
NÁZEV ŠKOLY: Základní škola Hostouň, okres Domažlice,
8.1.1 Lineární kombinace aritmetických vektorů
Fyzikální veličiny - čas
Číselné soustavy a kódy
Čas a souřadnice Lekce 3 Miroslav Jagelka.
Agregátní trh práce.
Jasnosti hvězd Lekce 10 Miroslav Jagelka.
Název prezentace (DUMu): Jednoduché úročení – řešené příklady
Konstrukce překladačů
DYNAMICKÉ VLASTOSTI ZEMIN A HORNIN
E-projekt: Jak změřit výšku budovy GJŠ
Parametry vedení a stejnosměrná vedení
Martina Litschmannová
Vysoká škola technická a ekonomická v Českých Budějovicích Ústav technicko-technologický Logistika zemního plynu v České republice Autor diplomové práce:
Martina Litschmannová, Adéla Vrtková
ROZDĚLENÍ ÚHLŮ PODLE VELIKOSTI
Rovinný úhel a jeho orientace
Měření optické aktivity 4.1 Úvod (ukázky spekter)
Ohmův zákon Praktické ověření.
T - testy Párový t - test Existuje podezření, že u daného typu auta se přední pneumatiky nesjíždějí stejně. H0: střední hodnota sjetí vpravo (m1) = střední.
Proudy a obvody Náboje v pohybu.
Číselné soustavy a kódy
Práce s nepájivým (kontaktním) polem
Střední odborná škola a Střední odborné učiliště, Hradec Králové, Vocelova 1338, příspěvková organizace Registrační číslo projektu: CZ.1.07/1.5.00/
Máme data – a co dál? (1. část)
NÁZEV: VY_32_INOVACE_06_11_M7_Hanak
Statistická indukce v praxi
NÁZEV: VY_32_INOVACE_08_01_M9_Hanak TÉMA: Soustavy lineárních rovnic
Studená válka.
Výukový materiál zpracovaný v rámci projektu
Ing. Marcela Strakošová
VZNIK ČESKOSLOVENSKA.
Škola ZŠ Masarykova, Masarykova 291, Valašské Meziříčí Autor
PRÁVNÍ ZÁKLADY STÁTU - VLAST
Je obtížnější „dělat“ marketing služby nebo hmotného produktu?
MAPA SVĚTA AFRIKA.
Dvacáté století – vznik Československa
Zakavkazsko.
Osvobození československa (1.)
Transkript prezentace:

Prognostické a prediktivní faktory při léčbě mCRC v praxi Jiří Tomášek 3. Plzeňský kolorektální den 2.5.2017

Co je to biomarker? znaky, které se používají jako indikátor určitého biologického stavu, fyziologického nebo patologického, mohou se měnit v důsledku vlivu léku nebo léčebné intervence Měly by být dobře kvantitativně měřitelné diagnostické …. nádorové markery prognostické prediktivní

Prognostické faktory Určují prognózu onemocnění bez ohledu na léčbu Stadium onemocnění Výkonnostní stav Rozsah metastáz -1 orgán x více orgánů Biomarkery: mutační stav BRAF Některé prognostické biomarkery predikují také odpověď na specifickou léčbu. Exprese hormonálních receptorů u Ca prsu zároveň predikuje účinnost hormonální léčby.

Prediktivní faktory Predikují účinnost, odpověď na specifickou léčbu pro použití inhibitorů EGFR v léčbě mCRC je prediktorem stav onkogenů RAS

Vazba ligandu na EGFR aktivuje mnohočetné nitrobuněčné signální dráhy

Slovníček molekulární genetiky Buněčné jádro obsahuje 23 párů chromozomů (molekuly DNA) Na chromozomech leží geny Struktura genu eukaryot TGT AGT CGT GTT TGC GAC GAT Kodon Exon = kódující oblast Kodon = triplet nukleotidů, každý kóduje 1 aminokyselinu Exon Cys Ser Arg Val Cys Asp Asp protein

Ras proteiny Proteiny RAS z rodiny guanosin-5´-trifosfatáz (GTPáz, G proteinů): Kras (K4A, K4B), Nras, Hras Proteiny o velikosti 21kD, tvoří je 190 aminokyselin Liší se v C-terminální hypervariabilní oblasti G proteiny jsou molekulárními přepínači mezi receptorovými a nereceptorovými tyrozinkinázami Přenašeče (integrátory) signálů od membránových receptorů pro růstové faktory (př.: EGFR1)

RAS onkogeny Onkogeny KRAS, NRAS, HRAS (u CRC nemá HRAS význam) Produkty onkogenů aktivují buněčný cyklus a stimulují proliferaci Mutace jsou aktivující a dominantní Mutace u RAS u 30% nádorových onemocnění Postihují oblast regulující enzymatickou aktivitu Bodové mutace (missense, záměnové)

Analýza testovaných RAS/BRAF mutací u pacientů s Wt-KRAS (kodon 12/13) mCRC EXON 1 EXON 2 EXON 3 EXON 4 Wt kodony 12 i 13 61 146 Původní KRAS 4,3% 4,9% NRAS EXON 1 EXON 2 EXON 3 EXON 4 12 13 59 61 117 146 3,8% 2% 0% Obdobná data také ve studii PRIME BRAF EXON 11 EXON 15 600 0% 10%

Výsky mutací onkogenů RAS v nádorech CRC Studie PRIME Studie FIRE-3 mt RAS 51.7% wt RAS 48.3% 10

Ras hraje důležitou roli v procesu růstu a dělení normálních buněk: Za normálních okolností se Ras cyklicky přeměňuje na formu s vazbou na GDP (neaktivní) a GTP (aktivní) Vazba ligandu na EGFr vede k aktivaci signálních drah včetně RAS dráhy. Spolu s dalšími signálními dráhami udržuje Ras normální růst, proliferaci a diferenciaci buněk inaktivní GDP aktivní GTP (Note: Ras is membrane-bound) Ras (rat sarcoma) is a GTPase that cycles between two forms, one bound to guanosine diphosphate (GDP) and the other bound to guanosine triphosphate (GTP) An upstream signal, such as a ligand binding to EGFr, leads to the activation of guanine nucleotide exchange factors (GEFs) such as SOS1 SOS1, in turn, facilitates the exchange of GDP for GTP on Ras Cellular concentrations of free GTP are generally 10 times higher than cellular concentrations of GDP Ras-GTP – now active - stimulates downstream effector molecules such as Raf and PI3K, leading to cell growth, proliferation, and differentiation In normal cells, Ras acts as a GTPase, cleaving off a phosphate group from GTP to create GDP, and returning Ras to the inactive form Proteins called GTPase activating proteins (GAPs) aid in the process of turning the GTPase signaling off Reference: Schubbert S, Shannon K, Bollag G. Hyperactive Ras in developmental disorders and cancer. Nature Rev Cancer. 2007;7:295-308. Normální: Růst Proliferace Diferenciace Schubbert S, et al. Nature Rev Cancer. 2007;7:295-308. GDP = guanosin difosfát; GTP = guanosin trifosfát

Mutace RAS :nekontrolovaný přenos signálu Specifická mutace RAS genů vede ke vzniku trvale aktivního proteinu inaktivní GDP aktivní * GTP Mutace v jednotlivých genech se vyskytují vždy jedinečně. Mutace postihují oblast, která reguluje úroveň enzymatické aktivity proteinu. Za normálních okolností má každý nemutovaný Ras nízkou vnitřní GTPázovou aktivitu, která postupně inaktivuje vlastní signalizační funkci hydrolýzou vázaného GTP. V přítomnosti mutace Ras je tato hydrolýza znemožněna a tím dochází ke konstitutivní aktivaci proteinu Ras nezávislé na dalších molekulách, což umožňuje buňkám uniknout apoptóze a získat proliferační výhodu. ABNORMÁLNÍ Růst Proliferace Diferenciace Esteller M, et al. J Clin Oncol. 2001; 19:299-304. 2. Schubbert S, et al. Nature Rev Cancer. 2007; 7:295-308.

Aktivující mutace onkogenů RAS u 30 % veškerých nádorových onemocnění

Historie průkazu klinické relevance stavu RAS Vstupní kritéria do studie: mCRC Předléčenost : 5-FU, oxali, irino ECOG PS: 0-2 Exprese EGFR Primární cíl: PFS

Celá populace mCRC medián PFS Panitumumab: 8,0 BSC: 7,3

Přežití při léčbě panitumumabem Celková popoluce Závislost na kožní toxicitě

PFS - mt- KRAS PFS - wt- KRAS Co udělali a jak? Retrospektivní studie zkoumající korelaci přítomnosti aktivační mutace genu KRAS ve vzorcích nádoru a doby do progrese onemocnění u pacientů zařazených do pivotní studie Van Cutsema. Vzorky tkáně nádoru uskladněné ve formě parafinových bločků Metoda: real time PCR s použitím DxS diagnostických kitů, které stanovují nejčastější bodové mutace genu na kodonu 12 (6 míst) a 13 (1 místo) PFS - mt- KRAS PFS - wt- KRAS

Modrá kniha 2017 Pro kvalifikované rozhodnutí o typu cílené léčby mCRC je nutné znát mutační stav onkogenů rodiny RAS (KRAS, NRAS) a BRAF. Tato informace umožní plánovat dopředu léčbu ve více liniích. Onkogeny RAS představují negativní prediktivní marker pro použití cílené anti-EGFR léčby, kterou lze podat pouze v případě nemutovaného stavu onkogenů RAS (wild type).

Mutace BRAF Mutace BRAF (V600E) - 8% mCRC -14% v II. a III. klinickém stadiu

Studie TRIBE III. fáze

TRIBE: aktualizované výsledky, analýza dle stavu RAS a BRAF Zahájení 2008 beva + FOLFIRI* beva + 5-FU/LV PD mCRC (n=508) R beva + FOLFOXIRI* beva + 5-FU/LV PD *Až 12 cyklů Primární cíl: PFS Sekundární cíle OS ORR Bezpečnost Dosažení sekundární R0 resekce Biomarkery 21 Loupakis, et al. ASCO 2015. Abstract 3510

TRIBE: PFS a OS PFS (primární cíl) OS 1.0 1.0 Bevacizumab + FOLFIRI (n=256) Bevacizumab + FOLFOXIRI (n=252) Bevacizumab + FOLFIRI (n=256) Bevacizumab + FOLFOXIRI (n=252) 0.8 0.8 HR=0.79 (95% CI: 0.63–1.00) p=0.054 HR=0.75 (95% CI: 0.62–0.90) p=0.003 0.6 0.6 PFS estimate OS estimate 0.4 0.4 0.2 0.2 9.7 12.1 25.8 31.0 0 6 12 18 24 30 36 42 48 54 0 6 12 18 24 30 36 42 48 54 Time (months) Time (months) Loupakis, et al. N Engl J Med 2014

TRIBE: bevacizumab + FOLFOXIRI zlepšení PFS ve všech podskupinách kromě předléčených adjuv. CHT Category Subgroup n HR p value ECOG performance status 456 0.79 0.20 1 or 2 52 0.53 Primary tumour site Right colon 149 0.66 0.29 Left colon or rectum 330 0.82 Previous adjuvant therapy No 444 0.70 0.04 Yes 64 1.30 Time to metastases Synchronous 404 0.73 0.36 Metachronous 104 0.92 Liver-only disease 402 0.74 105 0.95 Surgery on prior tumour 166 0.77 1.00 341 Köhne index score High 47 0.83 Intermediate 224 0.72 Low 213 0.81 KRAS WT 193 0.97 MT 200 0.84 BRAF 365 0.32 28 0.55 0.5 1 1.5 2 Loupakis, et al. N Engl J Med 2014 Experimental better Control better

Median OS, months n Avastin + FOLFIRI Avastin + FOLFOXIRI HR [95% CI] TRIBE: Avastin + FOLFOXIRI přinesl prodloužení mediánu OS nezávisle na stavu RAS a BRAF Median OS, months n Avastin + FOLFIRI Avastin + FOLFOXIRI HR [95% CI] p value ITT population 508 25.8 29.8 0.80 [0.65–0.98] 0.030 RAS and BRAF evaluable 357 24.9 28.6 0.84 [0.66–1.07] 0.159 RAS and BRAF WT 93 33.5 41.7 0.77 [0.46–1.27] 0.522* RAS MT 236 23.9 27.3 0.88 [0.65–1.18] BRAF MT 28 10.7 19.0 0.54 [0.24–1.20] RAS WT 121 26.8 37.1 0.78 [0.51–1.20] 0.658* 24

TRIBE: Analýza podskupin podle KRAS, BRAF 508 randomised patients 391 KRAS codon 12/13/61 and BRAF codon 600 evaluable patients (pyrosequencing) BRAF MT (n=28) KRAS MT (n=198) KRAS/BRAF WT (n=165) 131 extended RAS-evaluable patients (MALDI-TOF MassArray) New RAS MT (n=38) BRAF MT (n=28) RAS MT (n=236) RAS and BRAF WT (n=93) MT = mutant; WT = wild type Loupakis, et al. ASCO 2015

TRIBE: OS podle stavu RAS a BRAF 1.0 RAS and BRAF WT RAS MT BRAF MT 0.9 0.8 0.7 0.6 p<0.001 OS estimate 0.5 0.4 0.3 0.2 0.1 13.4 25.6 37.1 6 12 18 24 30 36 42 48 54 60 66 72 78 Time (months) Loupakis, et al. ASCO 2015

Median OS, months n Avastin + FOLFIRI Avastin + FOLFOXIRI HR [95% CI] TRIBE: Avastin + FOLFOXIRI přinesl prodloužení mediánu OS nezávisle na stavu RAS a BRAF Median OS, months n Avastin + FOLFIRI Avastin + FOLFOXIRI HR [95% CI] p value ITT population 508 25.8 29.8 0.80 [0.65–0.98] 0.030 RAS and BRAF evaluable 357 24.9 28.6 0.84 [0.66–1.07] 0.159 RAS and BRAF WT 93 33.5 41.7 0.77 [0.46–1.27] 0.522* RAS MT 236 23.9 27.3 0.88 [0.65–1.18] BRAF MT 28 10.7 19.0 0.54 [0.24–1.20] RAS WT 121 26.8 37.1 0.78 [0.51–1.20] 0.658* 27

Prevalence vybraných biomarkerů u mCRC

Prognostické a prediktivní faktory v roce 2017 TNM, rozsah meta postižení, PS Lokalizace primárního tumoru Prediktivní Stav RAS, BRAF Stav MMR