Адаптивная терапия представляет собой основанную на эволюционных принципах парадигму лечения, которая продемонстрировала способность отсрочить развитие резистентности при раке предстательной железы через терапевтические перерывы, контролирующие, а не минимизирующие опухолевую нагрузку. Однако ответы пациентов крайне гетерогенны, и существует значительная неудовлетворенная клиническая потребность в биомаркерах для персонализации схем лечения.
Исследователи разработали и ретроспективно валидировали математические биомаркеры, предсказывающие время до прогрессирования (TTP), среднюю суточную дозу и общую выживаемость (OS) при адаптивной терапии на основе динамики простат-специфического антигена (ПСА) в первом цикле.
В ретроспективном исследовании использовались продольные данные из двух независимых когорт: 40 пациентов с кастрат-чувствительным раком предстательной железы (CSPC) (июнь 1996 – сентябрь 2006) и 13 пациентов с метастатическим кастрат-резистентным раком предстательной железы (mCRPC) (апрель 2015 – январь 2022).
В когорте CSPC из 40 пациентов показатель адаптивной терапии, полученный из данных первого цикла, оказался высоко прогностичным для продолжительного клинического TTP (однофакторное отношение рисков [HR] 0,49; 95% ДИ 0,31-0,76; p = 0,002).
В когорте mCRPC из 13 пациентов показатель адаптивной терапии продемонстрировал сильную ранговую корреляцию с клиническим TTP (коэффициент Спирмена ρ = 0,76; p = 0,002) и был ассоциирован с продолжительным TTP (HR 0,41; 95% ДИ 0,16-1,07; p = 0,07).
Анализ долгосрочных данных выживаемости в когорте mCRPC показал, что как показатель адаптивной терапии, так и ожидаемое TTP были значимо ассоциированы с продолжительной OS, в то время как стандартные эмпирические показатели ПСА не демонстрировали связи с OS.
Математические биомаркеры, основанные на механизмах действия и полученные из динамики ПСА в начальном цикле, точно предсказывали специфичные для пациента исходы и выживаемость, превосходя традиционный феноменологический мониторинг ПСА. Эти доступные показатели могут служить математически обоснованной системой поддержки принятия решений для стратификации пациентов в персонализированные протоколы лечения.