Nuevos factores pronósticos y predictores de respuesta al tratamiento neoadyuvante en cáncer de mama : estudio del papel del sistema inmune con biomarcadores locales y sistémicos

Abstract

INTRODUCCIÓN Y JUSTIFICACIÓN La respuesta completa patológica (RCp) es el principal factor pronóstico para las pacientes con cáncer de mama (CM) tratadas con quimioterapia neoadyuvante (QTN). De forma exclusiva, resulta insuficiente para la estimación pronostica de estas pacientes. El microambiente tumoral (TME) juega un papel clave en la respuesta al tratamiento y en el pronóstico de las pacientes con CM, pero la integridad del sistema inmune periférico es también relevante, por lo que ambos compartimentos deberían ser considerados para definir modelos pronósticos y predictivos que integren marcadores inmunes. OBJETIVO El objetivo principal de esta tesis doctoral fue determinar si la evaluación combinada de la respuesta inmune tumoral y periférica mediante la infiltración linfocitaria tumoral (sTIL) y la ratio neutrófilo-linfocito (RNL) al diagnóstico, es capaz de mejorar, frente a los factores predictivos y pronósticos clínico-patológicos clásicos, la predicción de la respuesta y la estratificación pronostica en una serie consecutiva de pacientes con CM precoz tratadas con QTN. MATERIAL Y MÉTODOS Estudio observacional, unicéntrico y retrospectivo de una cohorte de pacientes diagnosticadas de CM y tratadas con QTN entre 2008 y 2019. La cuantificación de los sTIL se realizó mediante un método estandarizado. Se desarrolló un modelo predictivo y pronóstico, incluyendo los biomarcadores sTIL y RNL. Se procedió a la validación interna de los modelos mediante técnicas de muestreo aleatorio (validación cruzada y remuestreo Bootstrap) y análisis de subgrupos. RESULTADOS Tras analizar un total de 466 pacientes con CM tratadas con QTN, se encontraron diferencias en la infiltración, según subtipo inmunohistoquímico (mayor en CM HER2+ y triple negativo). Los sTIL como variable continua, se asociaron significativamente con la RCp, pero no fueron un factor pronóstico significativo para la supervivencia libre de enfermedad (SLE), supervivencia global (SG) ni supervivencia global específica de CM (SGM) en la serie global, pero sí en el subtipo triple negativo. Los valores de RNL no difirieron según subtipo. La RNL como variable continua, no se asoció con la RCp y tampoco fue un factor pronóstico significativo para SLE, SG y SGCM. No se encontró correlación entre los niveles de sTIL y RNL al diagnóstico. En el análisis conjunto de ambos biomarcadores, solo los sTIL permanecieron como factor predictivo independiente de respuesta a QTN. No se encontraron diferencias significativas en el análisis de la capacidad pronostica para SLE, SG y SGCM de los biomarcadores sTIL y RNL, de forma conjunta. La generación de un modelo predictivo que incluía variables clínicas (tamaño tumoral y afectación ganglionar al diagnóstico) y patológicas (subtipo molecular y grado 3), junto a la cuantificación de sTIL, se mostró como el modelo óptimo para la predicción de RCp a la QTN. La validación interna del modelo mediante técnicas de muestreo aleatorio y bootstrapping mostró la robustez del modelo conjunto. En el análisis por subgrupos, en el CM no luminal, el modelo predictivo óptimo incluyó, además la RNL, si bien la diferencia con el modelo de referencia no alcanzó la significación estadística. Para los tres eventos de supervivencia, el modelo óptimo para la predicción pronostica fue aquel que incluía variables exclusivamente clínicas (tamaño tumoral y afectación ganglionar al diagnóstico) y patológicas (subtipo molecular, consecución de RCp e invasión nodal extracapsular post-tratamiento). La inclusión de biomarcadores inmunes (sTIL y RNL) no demostró mejorar la capacidad de discriminación del modelo clínico-patológico. CONCLUSIONES El hallazgo más relevante de esta tesis doctoral ha sido la generación de un modelo predictivo con variables clínicas y patológicas, junto a la cuantificación de sTIL, que se mostró como el modelo óptimo para la predicción de RCp, manteniéndose dicha predicción en el análisis exploratorio según subtipo molecular. Aunque este hallazgo no se ha confirmado en el análisis de la supervivencia, el limitado número de eventos y la capacidad predictiva de la RCp no permite descartar totalmente su impacto a más largo plazo.

INTRODUCTION AND RATIONALE Pathologic complete response (pCR) is the main prognostic factor for breast cancer (BC) patients treated with neoadjuvant chemotherapy (NCT). Uniquely, it is insufficient for the prognostic estimation of these patients. The tumor microenvironment (TME) plays a key role in the treatment response and prognosis of BC patients, but the integrity of the peripheral immune system is also relevant, so both compartments should be considered to define prognostic and predictive models that integrate immune markers. OBJECTIVE The main objective of this doctoral thesis was to determine whether the combined assessment of tumor and peripheral immune response by tumor lymphocyte infiltration (sTIL) and neutrophil-lymphocyte ratio (NLR) at diagnosis is able to improve, compared to classical clinicopathological predictive and prognostic factors, response prediction and prognostic stratification in a consecutive series of early BC patients treated with NCT. MATERIAL AND METHODS. Observational, single-center, retrospective study of a cohort of patients diagnosed with BC and treated with NCT between 2008 and 2019. Quantification of sTIL was performed using a standardized method. A predictive and prognostic model was developed, including sTIL and NLR biomarkers. Internal validation of the models was performed using random sampling techniques (cross-validation and Bootstrap resampling) and subgroup analysis. RESULTS After analyzing a total of 466 patients with BC treated with NCT, we found differences in infiltration according to immunohistochemical subtype (higher in HER2+ and triple-negative BC). The sTIL, as a continuous variable, was significantly associated with pCR, it was not a significant prognostic factor for disease-free survival (DFS), overall survival (OS) or BC-specific overall survival (OS) in the overall series, but it was for the triple-negative subtype. NLR values did not differ by subtype. NLR, as a continuous variable, was not associated with pCR and was not a significant prognostic factor for DFS, OS and BC-OS. No correlation was found between sTIL and NLR levels at diagnosis. In the pooled analysis of both biomarkers, only sTIL remained as an independent predictor of response to NCT. No significant differences were found in the analysis of the prognostic capacity for DFS, OS and BC-OS of the sTIL and NLR biomarkers together. The generation of a predictive model that included clinical (tumor size and lymph node involvement at diagnosis) and pathological (molecular subtype and grade 3) variables, together with the quantification of sTIL, was shown to be the optimal model for the prediction of pCR after NCT. Internal validation of the model by random sampling and bootstrapping techniques confirmed the robustness of the selected model. In the subgroup analysis, for the non-luminal BC, the optimal predictive model also included NLR, although the difference with the reference model did not reach statistical significance. For the three survival events, the optimal model for prognostic prediction was the one that included exclusively clinical variables (tumor size and lymph node involvement at diagnosis) and pathological variables (molecular subtype, achievement of pCR and post-treatment extracapsular nodal invasion). The inclusion of immune biomarkers (sTIL and NLR) did not prove to improve the discriminatory capacity of the clinicopathological model. CONCLUSIONS The most relevant finding of this doctoral thesis has been the generation of a predictive model with clinical and pathological variables, together with the quantification of sTIL, which was shown to be the optimal model for the prediction of pCR, and this prediction was maintained in the exploratory analysis according to molecular subtype. Although this finding has not been confirmed in the survival analysis, the limited number of events and the predictive capacity of pCR do not allow us to completely rule out its impact in the longer term.