抗体药物偶联物在特定实体瘤中的应用:基于ETOP IBCSG Partners Foundation第三届研讨会发现的最新立场声明更新
关键信息:
1. 核心结论:抗体药物偶联物(ADC)正在快速改变多种实体瘤(肺癌、乳腺癌、膀胱癌、妇科肿瘤等)的治疗格局,但其临床研发策略、生物标志物应用、结构优化及研究优先级需根据肿瘤类型和疾病阶段进行精细化和个体化调整。
2. 临床研发策略:许多ADC基于I期数据直接进入III期,这种做法存在风险。I期研究设计需更充分,明确进入III期的标准(如患者数量、疗效强度),并在III期研究中嵌入子研究(如系列活检)以探索疗效与耐药机制,同时需关注社区医院管理复杂方案的能力问题。临床研究应优先探索ADC能提供优于传统化疗的效/毒比的应用场景,尤其是在治愈性治疗中。
3. 生物标志物:识别预测性生物标志物是ADC精准用药的研究重点。ADC的研发可采取生物标志物驱动(如HER2、c-MET、FRα)或非驱动(如Nectin-4、TROP2)策略,但即使在后者中,也观察到了靶标表达水平与疗效的临床相关性。应充分利用大型临床研究数据进行回顾性生物标志物挖掘,并采用新型技术(如定量连续评分、转录组学、ctDNA)开发复合型生物标志物。
4. ADC结构优化:优化ADC的各个组分(靶点、抗体、连接子、有效载荷)是提升疗效和降低毒性的优先方向。新型结构如双特异性抗体和双环肽偶联药物(BDC)旨在提高肿瘤选择性和组织穿透性;有效载荷方面,需应对耐药性并探索新型载荷及双载荷策略。放射性配体疗法(RLT)作为一种相关模式,也展现出独特优势。
5. 人工智能(AI)的应用:AI在定量病理学、生物标志物发现、复合数据分析及预测疗效/耐药方面潜力巨大。加强学术界与工业界的合作,生成高质量的综合性数据集,是充分利用AI加速ADC研发的关键。当前AI的广泛应用仍面临数据标准化和模型可解释性等挑战。
欧洲胸部肿瘤平台(ETOP)国际乳腺癌研究组(IBCSG)合作伙伴基金会发起了一系列专家研讨会,旨在回顾当前证据并提供建议,以指导未来抗体药物偶联物(ADC)的研究与开发。继2023年6月首届聚焦肺癌和乳腺癌的研讨会后,第三届研讨会于2025年6月举行,其专家组阵容更为广泛,涵盖了来自肺癌、乳腺癌、胃肠道癌、泌尿生殖系统癌和妇科癌症的专家,以及基础与转化研究科学家和制药行业代表。本文汇总了该研讨会的主要发现与核心建议,反映了ADC在实体瘤治疗领域快速演变的格局。
在过去两年中,多个关键性的III期临床研究结果相继公布,进一步将ADC整合入多种实体瘤的标准治疗体系中。在肺癌领域,德曲妥珠单抗(T-DXd)仍是欧洲药品管理局(EMA)批准的用于HER2突变非小细胞肺癌(NSCLC)的唯一ADC,同时其基于HER2阳性(3+)表达的肿瘤不可知适应症也获得了美国食品药品监督管理局(FDA)的批准。然而,ADC的研发之路并非一帆风顺。例如,在针对EGFR突变NSCLC的III期HERTHENA-Lung02研究中,帕替妥珠单抗(HER3-DXd)对比铂类化疗所展现的无进展生存期(PFS)获益十分有限(中位PFS为5.8个月对5.4个月,风险比为0.77),其生物制剂许可申请随后被制造商撤回。尽管如此,其他ADC药物仍取得了积极进展。在中国开展的II期OptiTROP-Lung03研究显示,在经EGFR酪氨酸激酶抑制剂(TKI)和铂类化疗治疗过的EGFR突变NSCLC患者中,芦康沙妥珠单抗(Sac-TMT)对比多西他赛显著改善了客观缓解率(ORR)和中位PFS(6.9个月对2.8个月,风险比为0.30)。其III期研究OptiTROP-Lung04进一步证实了该药在类似患者群体中相较于标准化疗的PFS和总生存期(OS)优势,并已在中国获批,同时获得了FDA的突破性疗法认定。此外,II期ORCHARD研究的初步证据提示,在奥希替尼基础上联合德达博妥单抗(Dato-DXd)可能延长EGFR突变NSCLC患者的PFS,这一策略正由全球III期TROPION-Lung15研究进一步评估。MET作为肺癌的一个有效靶点也备受关注,两款靶向MET的ADC(Teliso-V和ABBV-400)正处于评估中,其中Teliso-V基于II期LUMINOSITY研究的数据已获得FDA加速批准。同时,双特异性ADC(如靶向EGFR和HER3的伊扎仑他单抗)以及将ADC向更前线治疗推进的研究(包括术后辅助和一线转移性NSCLC)也正在蓬勃开展。
在乳腺癌领域,ADC同样改写了治疗格局。在HER2阳性转移性乳腺癌的一线治疗中,DESTINY-Breast09研究显示,T-DXd联合帕妥珠单抗相较于紫杉醇-曲妥珠单抗-帕妥珠单抗(THP)方案带来了令人印象深刻的中位PFS改善(40.7个月对26.9个月)。然而,由于对照组仅有10%的患者在进展后交叉接受T-DXd治疗,这限制了该研究总生存期(OS)分析的解读。同时,考虑到T-DXd在二线治疗中已确立的中位PFS达29.0个月,而其他一线方案(如哌柏西利联合曲妥珠单抗、帕妥珠单抗和内分泌治疗)在激素受体阳性患者中可提供长达44.3个月的中位PFS,专家组强调,在将T-DXd普遍前移至一线前,亟需积累关于T-DXd治疗后有效后线方案的数据。对于三阴性乳腺癌(TNBC),多项III期研究均取得阳性结果,包括SG联合帕博利珠单抗用于PD-L1阳性患者(ASCENT-04)、SG单药用于不适合免疫治疗的患者(ASCENT-03),以及Dato-DXd单药用于不适合免疫治疗的患者(TROPION-Breast02)。在早期乳腺癌领域,DESTINY-Breast11研究表明,新辅助使用T-DXd后序贯THP,可显著提高高危HER2阳性乳腺癌患者的病理学完全缓解(pCR)率(pCR绝对差异为11.2%)。同时,DESTINY-Breast05研究显示,对于新辅助治疗后仍有残留浸润性病变的HER2阳性乳腺癌患者,术后辅助使用T-DXd相比恩美曲妥珠单抗(T-DM1),能显著改善无浸润性疾病生存期(IDFS)(3年IDFS率为92.4%对83.7%,风险比为0.47)。随着这些关键数据的公布,如何确定T-DXd的最佳治疗线序和用药时机成为亟待解决的临床问题。
在胃肠道(GI)癌症中,HER2表达具有异质性且局限于细胞膜的基底外侧部分,因此,高药物抗体比(DAR)和旁观者效应对于靶向HER2的ADC尤为关键。T-DXd(DAR为8)已基于DESTINY-Gastric01/02研究获批用于HER2阳性胃癌/胃食管交界处(GEJ)癌的二线治疗,其III期验证性研究DESTINY-Gastric04进一步证实了T-DXd相较于雷莫西尤单抗联合紫杉醇的OS获益(风险比为0.70)。然而,由于II期研究中T-DXd联合疗法显示出高于预期的毒性,其与化疗及帕博利珠单抗联合的一线治疗方案(DESTINY-Gastric05)将采用较低的5.4 mg/kg剂量进行探索。其他III期ADC研究也在GI癌症领域广泛开展,主要靶点包括Claudin 18.2、c-MET和TROP2,常用有效载荷为澳瑞他汀和拓扑异构酶I(TOP1)抑制剂。
在妇科癌症中,两项成功的III期研究(InnovaTV 301和MIRASOL)分别促成了替索妥单抗维多汀用于复发/转移性宫颈癌,以及米维妥昔单抗索拉夫坦辛(MIRV)用于叶酸受体α(FRα)阳性铂耐药卵巢癌的监管批准。其中,MIRASOL研究本质上是对此前失败的FORWARD I研究的重新设计,其关键区别在于对FRα阳性的定义更为严格(要求≥75%的存活肿瘤细胞呈现2+或3+染色强度),这凸显了在生物标志物研究上投入资源以确保使用恰当方法和临界值的重要性。目前,多种靶向不同抗原但多采用MMAE或TOP1抑制剂作为有效载荷的ADC正在妇科肿瘤领域开展III期研究。值得注意的是,部分III期研究是基于相对小型的I期研究或有II期研究小队列的令人鼓舞数据而启动的,这引发了关于是否已开展充分的早期临床研究来优化目标患者群体、生物标志物及安全性管理的讨论。
在泌尿生殖系统(GU)癌症中,EV-302/KEYNOTE-A39研究的震撼性阳性结果——维恩妥尤单抗(EV)联合帕博利珠单抗相比铂类化疗,将既往未经治疗的局部晚期或转移性尿路上皮癌(UC)患者的中位OS从15.9个月延长至33.8个月(风险比为0.51)——彻底改变了该领域的一线标准治疗。然而,该联合方案中仍有约50%的患者在12个月内出现疾病进展,这凸显了改进患者分层策略的迫切性。潜在生物标志物方面,NECTIN4扩增与增强的疗效反应相关,而伴有鳞状分化的UC亚型(约占总体UC的20%-30%)由于Nectin-4膜表达较低,对EV联合帕博利珠单抗的反应率极低。对于有反应的患者,有效管理周围神经病变等累积性毒性至关重要,需要探索治疗中断、剂量调整乃至停药等策略以平衡毒性与疗效。基于一线治疗的成功,EV现正被积极拓展至围手术期治疗领域,包括针对不适合顺铂和适合顺铂的肌层浸润性膀胱癌(MIBC)患者的EV-303及EV-304研究,初步数据已显示其相较单纯手术或新辅助化疗可显著改善pCR率、无事件生存期(EFS)和OS,从而为这类患者建立了新的、不依赖铂类的标准治疗模式。
展望未来,ADC的临床研发策略需根据肿瘤类型和疾病阶段进行精细调整。在已取得突破的领域(如HER2阳性乳腺癌),研究重点应转向治疗线序的优化,探究早期使用能否改善OS和生活质量(QoL),以及序贯使用不同ADC是否存在交叉耐药和累积毒性。在其他领域,当“重大胜利”尚不可及时,则需要审慎评估并优先推进最具前景的临床研究。当前,许多ADC是基于I期研究的阳性数据直接推进至III期,专家们对此提出了警示。他们认为,I期研究的设计应更为充分,以提供足够稳健的疗效信号,并为直接过渡到III期设定明确标准(如患者数量和疗效大小)。此外,I期研究通常在高水平中心开展,其对复杂方案的管理能力是普通社区医院难以企及的,后者参与III期研究可能导致更高的患者退出率,并最终影响OS结果。同时,III期研究通常不强制进行活检,限制了对疗效和耐药机制的深入理解。因此,对于从I期直接扩展至III期的研究,建议在选定中心纳入(系列)活检等子研究。从本质上讲,ADC可被视为“升级版”的化疗,它继承了其有效载荷类别的疗效和耐药模式,同时叠加了靶点依赖性递送、连接子裂解化学、旁观者效应及独特毒性等复杂生物学特性。这要求在临床开发中,优先选择ADC相较标准化疗(如前列腺癌中的紫杉类和卵巢癌中的铂类)能提供更优效/毒性比的场景,尤其是在治愈性治疗中,ADC有望成为免疫治疗的理想搭档,以替代已确立的免疫化疗联合方案。同时,应充分利用过去70多年的化疗研究经验,探索那些因传统给药方式毒性过大而被弃用的化疗药物作为新型ADC有效载荷的潜力。此外,累积毒性、慢性低级别不良事件以及序贯ADC暴露带来的重叠有效载荷毒性,如德鲁替康平台的间质性肺病(ILD)、澳瑞他汀类的神经病变、眼部毒性和延迟性骨髓效应,已成为类效应中需要关注的关键生物学局限。
生物标志物的开发是ADC精准应用的核心,尽管其前瞻性识别充满挑战。部分ADC在广泛的靶标表达水平下均显示活性,但关键研究数据表明,更高的靶标表达与更好的疗效相关。例如,DESTINY-PanTumor02研究显示,HER2 IHC 3+的肿瘤对T-DXd的反应率显著高于IHC 2+的肿瘤(绝对差异约20%-40%),这一差异支持了监管机构将适应症限制于HER2 3+疾病。因此,尽管有些ADC(如靶向HER2、c-MET、FRα)需要基于生物标志物选择患者,而另一些(如靶向Nectin-4或TROP2)可在无强制生物标志物选择的情况下开发,但后者同样观察到有临床意义的生物标志物关联。例如,在EV-301研究中,更高的Nectin-4 H评分与更好的疗效相关,而NECTIN4扩增则可预测对EV单药或联合帕博利珠单抗的反应。对于TROP2靶向疗法,基于新型计算病理学的定量连续评分(QCS)已被证明可预测Dato-DXd在NSCLC患者中的临床结局。鉴于ADC研发的飞速进展,一个务实的生物标志物识别策略是对现有临床研究数据进行深入的回顾性挖掘,并利用转录组学、循环肿瘤DNA分析等新技术。此外,由于动态生物标志物分析可提供比静态预筛选检测更全面的信息,应在临床研究中纳入系列活检。值得强调的是,化疗本身存在多种耐药机制且从未找到有效的预测性生物标志物,因此,即使存在明确的抗体靶标生物标志物,ADC中化疗有效载荷的疗效也并非必然,同样需要关注对有效载荷敏感性的研究。当ADC与免疫治疗联用时,给药方案和剂量策略(如持续用药对比仅诱导阶段)对于理解如何有效刺激免疫原性细胞死亡(ICD)尤为关键,而生物标志物在此也可能发挥指导ADC治疗时长的重要作用。
为了提升ADC的疗效并降低毒性,优化ADC的分子结构(包括抗体/靶点、连接子和有效载荷)是一项持续的研究重点。理想的靶点应在肿瘤组织中特异性高表达而在健康组织中低表达,以降低脱靶毒性。双特异性抗体策略,即同时靶向两个仅在肿瘤中共表达的抗原,有助于将作用范围局限于肿瘤细胞。同时,对已证实靶点(如Nectin-4)的深入理解也至关重要。为了提高肿瘤穿透性,分子量远小于传统抗体的新型偶联物,如双环肽偶联药物(BDC),正在开发中。BDC具有低分子量(1.5-2.5 kDa)和良好的组织渗透性,其代表性药物泽列奈肽维多汀(靶向Nectin-4)联合帕博利珠单抗在UC中已显示出令人鼓舞的疗效和耐受性(ORR为65%),并已进入II-III期评估。在有效载荷方面,当前主要依赖微管抑制剂和DNA损伤剂,但它们面临TOP1突变、多药耐药上调等耐药机制。为减轻毒性,可采取基于体成分的剂量调整(如MIRV)或共施用结合游离有效载荷的抗体片段。新一代TOP1抑制剂、转录抑制剂、免疫刺激剂等新型载荷以及双载荷ADC也在探索之中,但双载荷策略的复杂性和相对于单独给药两种ADC的明确优势仍需阐明。放射性配体疗法(RLT)作为一种结构类似ADC的模式,利用放射性同位素作为“有效载荷”,具有不依赖靶点内化和对邻近细胞的“交叉火力”效应等潜在优势,其两个已验证靶点(SSTR2和PSMA)的RLT已获FDA批准,更多新型RLT及联合策略正进入早期临床。
人工智能(AI)在加速ADC研发方面展现出巨大潜力。在病理学领域,数字和计算病理学可用于对抗原表达水平进行定量评估,减少判读异质性和错误,发现新生物标志物,并产生更具可重复性的评分标准和临床决策临界值。AI已应用于DAISY和ICARUS BREAST01等临床研究,用以研究靶抗原空间分布和肿瘤微环境对疗效的影响。面向未来,OASIS等项目正在构建整合了组织病理学、影像学、测序和治疗反应数据的ADC耐药生物样本库,旨在利用AI生成预测评分,为患者选择最合适的ADC。然而,AI的广泛应用仍面临数据格式标准化、训练数据中的固有偏差、缺失数据处理以及模型性能与可解释性之间的平衡等挑战,且需要大量资金投入以改善取样方法和相关基础设施。尽管如此,专家们一致认为,应加强学术界与制药工业界的合作,生成可供AI算法训练的综合性ADC数据集,并在临床医师的指导下,积极利用AI来加速ADC的研发。
参考文献:Peters S, Meyer ML, André F, Argilés G, Azizi AA, Banerjee S, Burgers S, Curigliano G, Drago JZ, Fontana E, Garon EB, Klümper N, Le Bescond L, Lopez-Rios F, Mountzios G, Passaro A, Paz-Ares L, Pistilli B, Powles T, Reguart N, Remon J, Schmelzle T, Skynner MJ, Smit E, Smyth E, Swanton C, Van Cutsem E, Loi S, Stahel RA. Antibody-drug conjugates in selected solid tumours: a position statement update based on findings from the third workshop held by the ETOP IBCSG Partners Foundation. ESMO Open. 2026 Jul 10;11(8):108316. doi: 10.1016/j.esmoop.2026.108316. Epub ahead of print. PMID: 42431135.
本文仅供医学学术交流,不构成诊疗建议,不能替代专业医生面诊。详细免责声明请点击菜单栏查阅。