Abordagem que explorou a tecnologia do deep learning baseada em inteligência artificial (IA) estabeleceu um escore inédito para a classificação de HER2, designado de Quantitative Continuous Score (QCS). Os resultados foram selecionados no programa do 2020 San Antonio Breast Cancer Symposium.
A atual avaliação da expressão da proteína HER2 é baseada na pontuação do patologista, que classifica os tumores pela porcentagem de células tumorais com maior intensidade e integridade de coloração. “Existe uma necessidade crítica de métodos mais objetivos e quantitativos para avaliar a expressão de HER2 e identificar melhor aqueles pacientes com baixa expressão, especialmente se trastuzumabe-deruxtecan (T-DXd) se provar eficaz nesta população”, sustentam os autores.
Essas novas técnicas de análise de dados foram determinantes para estabelecer o HER2 QCS ideal para o ensaio J101 (NCT02564900), que inscreveu 151 pacientes HER2 com níveis de expressão variados de HER2(1+, 2+, 3+).
A validação analítica mostrou alta correlação entre QCS detectadas automaticamente e as classificadas por patologistas (R = 0,993). O HER2 QCS foi consistente com a pontuação HER2 e ainda mostrou ampla sobreposição quantitativa entre as categorias IHC e ISH. “O HER2 QCS mostrou relação linear direta entre ORR e aumento da expressão de HER2 durante todo o ensaio. Na população HER2-low (n = 65), para quem as terapias-alvo dirigidas ao HER2 não estão atualmente aprovadas, 42% dos pacientes responderam ao T-DXd, com sobrevida livre de progressão mediana (mSLP) de 11 meses.
“Usando HER2 QCS fomos capazes de estratificar ainda mais esta população em um subgrupo de pacientes com QCS alto (acima de um ponto de corte de intensidade de coloração determinado por IA), com resposta e mPFS aumentados para 53% (IC 95%: 36% -68%) e 14,5 meses (IC 95%: 10,9 meses-NR), respectivamente, enquanto o grupo QCS-baixo apresentou ORR de 24% (IC 95%: 9% -45%) e mPFS de 8,6 meses (95% CI: 4,2 meses-NR)”, descrevem os autores.
Os pontos de corte de QCS de melhor desempenho foram conduzidos pela maioria das células tumorais que expressam quantidades mínimas de HER2, em contraste com as diretrizes clínicas atuais que são orientadas por uma minoria de células com níveis mais elevados de expressão de HER2.
“Tomados em conjunto, esses dados estabelecem uma primeira prova de conceito demonstrando que o uso de HER2 QCS pode aumentar potencialmente a previsão dos resultados do paciente com T-DXd, aumentando a sensibilidade e especificidade da resposta, especialmente na população HER2-low”, concluem os autores. “A capacidade de identificar pacientes no grupo HER2-low que poderiam se beneficiar do T-DXd é crítica para seu uso em uma população de pacientes com grande necessidade não atendida”, destacam.
Referência: PD6-01 - Novel approach to HER2 quantification: Digital pathology coupled with AI-based image and data analysis delivers objective and quantitative HER2 expression analysis for enrichment of responders to trastuzumab deruxtecan (T-DXd; DS-8201), specifically in HER2-low patients - Mark Gustavson et al.
