2018 年，随着 Nivolumab 以全球最低的价格登陆中国大陆市场，非小细胞肺癌患者的二线治疗终于进入了免疫治疗时代。
对于肿瘤免疫疗法，想必现在大家和奇点糕一样，都已不再觉得那么陌生了。在去年诺奖的加持下，癌细胞利用 PD-L1 与 T 细胞表面的 PD-1 结合，巧妙躲避 T 细胞追杀的「微缩版」故事已经人尽皆知了。
▲ 2018 年诺贝尔生理学或医学奖得主（nobelprize.org）
但就在人们为「横空出世「的肿瘤免疫治疗带来良好效果而欢欣鼓舞的同时，这种疗法也难免给患者和医生带来了一些困惑。其中最大的困惑之一，可能就在于 与 PD-1 单抗「相爱相杀」的生物标志物——PD-L1 了。
既然 PD-1 抗体就是冲着阻断 PD-L1 与 PD-1 结合去的，那么在使用 PD-1/PD-L1 抗体之前，通过检测患者肿瘤内 PD-L1 的水平预测治疗效果，似乎是理所应当的。
毕竟在过去的 20 多年里，「靶向药物+特定基因检测」的治疗理念已经深入人心，免疫检查点抑制剂应该也差不离吧……
但事实真的是这样吗？
无奈现实总是「差之毫厘，谬以千里」。诚然，目前有大量的研究证明 PD-L1 水平可以预测免疫治疗效果，但我们又无法否认一点，那就是同时存在着一些研究证明 PD-L1 并不能很好预测免疫治疗的效果。
那么 PD-L1 之于免疫治疗，究竟为何种关系？
且听本奇点糕慢慢给您分析。
PD-L1预测免疫治疗效果不灵？
其实单单从癌细胞利用 PD-L1/PD-1 通路抑制 T 细胞活性的机制来看，PD-L1 理论上应该是预测免疫治疗效果的优秀标志物。
▲ PD-1 抗体的作用机制（nobelprize.org）
约翰·霍普金斯大学医学院 Suzanne L. Topalian 教授领衔的研究团队，在 2008 年发起的小规模晚期癌症二线治疗临床研究就证明了这一点。
从研究团队 2012 年发表在《新英格兰医学期刊》的研究论文来看，PD-1 抗体 Nivolumab 的治疗效果确实与患者肿瘤组织 PD-L1 表达水平有相关性，表现为：PD-L1 阳性（PD-L1 ≥ 5%）的患者有 36% 响应 Nivolumab 的治疗，而 PD-L1 阴性患者对治疗没有反应[1]。
不过，由于这个研究规模小，只有几十名患者，而且还包括了前列腺癌、肾癌、黑色素瘤和非小细胞肺癌 4 个癌种，所以仅基于这个结果我们不能认为：癌症患者在接受 PD-1 抗体治疗前，应该去做个 PD-L1 检测。
真正有参考意义的研究是耶鲁大学医学中心 Scott Gettinger 研究团队 2009 年启动的多中心 I 期临床试验 CA209-003[2]。这项研究也是免疫检查点抑制剂治疗迄今最长的随访研究。
截止 2013 年，研究人员一共收治了 129 名多次治疗失败的晚期非小细胞肺癌（NSCLC）患者，这些患者被分为三组，分别接受 1、3、10 mg/kg 的 PD-1 抗体 Nivolumab 治疗。中位随访时间是 58.25 个月，几乎就是 5 年[2]。
在不考虑药物剂量的情况下，所有患者的 5 年生存率高达 16%；单独来看，3 mg/kg 组的患者表现最亮眼，5 年生存率高达 26%！要知道对于晚期非小细胞肺癌患者而言，5 年生存的历史数据只有 1%-8%[3，4]。
研究人员还发现，患者的生存时间与 PD-L1 表达水平呈正相关。如果患者的 PD-L1 表达水平超过 50%，那么 5 年生存率高达 43%。
不过让研究人员感到意外的是，那些 PD-L1＜1% 的患者而言，5 年生存率竟然也有 20%，那些没检测 PD-L1 水平的患者，也有 10% 的生存时间超过 5 年[2]。
▲ 在 PD-L1 水平低于 1% 和没检测的患者，有 30% 的患者生存时间超过 5 年，实现临床治愈 [2]
更让人意外的是，虽然 PD-L1＜1% 的患者整体 5 年生存率不如 PD-L1 ≥ 50% 的患者群体，但 PD-L1＜1% 的患者一旦获益，他们的总存活时间（OS）一点儿都不比 PD-L1 ≥ 50% 的患者差 [2]。
▲ 一旦从治疗中获益，PD-L1 水平低于 1% 和没检测的患者总生存时间比肩 PD-L1 阳性患者 [2]
那些响应了 Nivolumab 治疗的 PD-L1＜1% 患者，不仅总生存期长，而且他们的持续缓解时间（DOR）也能与 PD-L1 ≥ 50% 的患者比肩 [2]。
这个结果对于缺少有效二线治疗方案的非小细胞肺癌患者而言，是非常宝贵的。遗憾的是，PD-L1 水平并不能预测患者的持续缓解时间。至于原因，我们放到后面一部分讲。
▲ 持续缓解时间超长 [2]
看吧，PD-L1 的预测效果就是这么让人捉摸不透。
类似的效果，我们也可以从 2015 年公布的 CheckMate-057 的试验数据中见到。PD-L1 表达水平低于 1% 的阴性患者也能从 Nivolumab 治疗中获益。那些响应 Nivolumab 治疗的患者，中位持续缓解时间（18.3 个月）不仅是多西他赛化疗的三倍多，而且还与 PD-L1 阳性的患者旗鼓相当 [5]。
▲ 中位持续缓解时间与 PD-L1 阳性的患者旗鼓相当 [5]
同样，在 2017 年公布的 CheckMate-017/057 随访 2 年 Pool 分析数据也显示，晚期非小细胞肺癌的二线治疗，无论 PD-L1 表达与否，Nivolumab 治疗的 2 年总生存率均显著优于化疗 [6]。
甚至连靶向 PD-L1 的抗体药物 Atezolizumab，在它的 III 期临床研究 OAK 中，也表现出治疗效果与 PD-L1 表达水平无关的现象 [7]。你说怪不怪～
PD-1/PD-L1 抗体明明是阻断癌细胞通过 PD-L1 抑制 T 细胞活性的，怎么 PD-L1 表现的好像与它无关似的？
PD-L1 为什么不能准确的预测免疫治疗效果？
说出来你可能不信。其实啊，虽然 PD-1/PD-L1 抗体分别是靶向 PD-1 和 PD-L1，看上去和靶向治疗非常类似，但是和靶向治疗不同的是，免疫检查点抑制剂起作用的原因科学家仍知之甚少 [8]。
尽管大量的研究证明杀伤性 T 细胞在中间起到非常重要的作用，不过越来越多的研究表明，免疫检查点抑制剂影响的不仅仅是 T 细胞，还包括调节性 T 细胞 [9]，巨噬细胞 [10]，辅助 T 细胞 [11]，自然杀伤细胞 [12]，树突状细胞和骨髓来源的抑制细胞 [13] 等，它们在这个过程中起到或促进或抑制的作用。
不仅如此，我们甚至连免疫检查点抑制剂治疗之后，T 细胞究竟是如何在体内杀死癌细胞的都没搞清楚 [14，15]。
至于靶向 PD-1/PD-L1 通路的免疫检查点抑制剂，为何会对不少 PD-L1 阴性（一般指的是 PD-L1＜1%）有效，效果还那么持久？
很多科学家认为，背后的原因之一应该是这样的：很多时候我们简单的认为 PD-L1 阴性就是肿瘤组织里没有 PD-L1，其实不是这样的，阴性和阳性之间有一条线，在研究早期，这个线是 5%，现在一般是 1%。这就意味着肿瘤组织里面其实是有 PD-L1 的，只不过较少，或者分布不均匀 [16]。
就是这不起眼的 5% 或者 1%，在免疫检查点抑制剂的处理下，发生了意想不到的「蝴蝶效应」。免疫治疗的这个特点，与靶向治疗的基因检测通过有无判断疗效，是全然不同的。
▲ 这张图没别的意思，就是让你感受肿瘤微环境的复杂性（DOI：10.1242/jcs.116392）
我们都知道，免疫系统是非常复杂的，肿瘤组织也是，当二者交织在一起的时候，科学家把它们叫做「复杂系统」或者「混沌系统」[17]。这种混沌的状态，导致免疫系统对初始条件高度敏感，即使是很多无法检测到的微小差异，也会对下游产生巨大的效果 [8]。
对于那些 PD-L1 阴性，且对免疫检查点抑制剂有反应的患者而言，很有可能就是在他们肿瘤的某一个角落，免疫检查点抑制剂干扰了那不到 1% 的 PD-L1 对免疫细胞的影响，最终导致一发不可收拾的免疫级联反应 [18，19]，并波及整个肿瘤，最后产生意想不到的治疗效果。正所谓「星星之火可以燎原」。
此外，免疫系统还有很厉害的一招是：战火一旦燃起，随着免疫应答的扩大，一些细胞毒性 T 细胞就会分化为成熟的记忆 T 细胞，即使在原始的抗原刺激不存在的情况下，这些细胞依然能够提供长期免疫记忆保护 [20]。
这或许正是 CA209-003 中接受 Nivolumab 治疗的患者表现出持续缓解的原因。
此外，近年来越来越多的研究表明，肿瘤突变负荷、T 细胞亚群、肠道微生物丰度、特定基因的突变和拷贝数等等，都与免疫检查点抑制剂治疗效果有相关性 [21]。
这也进一步证明了，免疫检查点抑制剂干预的确实是个非常复杂的系统，想仅仅依靠 PD-L1 水平预测免疫治疗效果，显然是不够的。
除了上面那些原因之外，还有一些检测时操作层面的因素也影响了 PD-L1 的预测能力。
例如，以 PD-L1 免疫组化作为生物标志物存在一些缺陷 [22]：采用细针穿刺活检等获得的小活检样本可能漏检某些肿瘤；患者个体的 PD-L1 表达水平可随时间的推移或解剖部位的不同而发生改变；既往治疗可能改变 PD-L1 的表达；某些抗体检测 PD-L1 表位可能不稳定；用于检测 PD-L1 的抗体具有不同的亲和力和特异性；PD-L1 可表达于肿瘤微环境内的多种细胞类型。
各种检测方法判定的 PD-L1 水平不一致率高达 50%[23]。此外，有研究表明，PD-1/PD-L1 检测的假阳性高达 42%，假阴性高达 28%[24]。
▲ 不同技术平台的免疫组化检测 PD-L1 水平（DOI：10.1038/s41379-018-0071-1）
上述因素交织在一起，在一定的程度上影响了 PD-L1 预测免疫检查点抑制剂的疗效。
PD-L1，测还是不测？
虽然我们在上面介绍了 PD-L1 不是一个优秀的预测免疫检查点抑制剂治疗效果的标志物。但这并不代表我们要抛弃 PD-L1，毕竟在有些情况下，PD-L1 水平检测还是很有用的。例如，非小细胞肺癌的一线治疗。
2016 年，Pembrolizumab 一线单药治疗非小细胞肺癌的 III 期临床研究 KEYNOTE-024 的数据发布 [25]。结果表明，PD-L1 水平高于 50% 与患者的无进展生存期和总生存期延长显著相关。
随后，FDA 批准 Pembrolizumab 一线单药治疗非小细胞肺癌时，并明确指出了患者必须接受获得 FDA 批准的 PD-L1 检测手段检测，并且 PD-L1 水平必须达到 50%，才能一线用药。
上面是针对非小细胞肺癌患者的一线治疗用药。至于非小细胞肺癌的二线治疗是否需要检测 PD-L1 水平，其实从前面的临床结果就可以看出来了。
无论是 CA209-003 的数据，还是 CheckMate-057 的试验数据，我们都能看到不小一部分 PD-L1 阴性患者，以及没有检测 PD-L1 水平的患者，对 Nivolumab 的治疗都表现出持久的响应，有些患者的持续缓解时间甚至接近 6 年。
实际上，FDA 在批准 Nivolumab 用于非小细胞肺癌的二线治疗时，也并不要求检测 PD-L1 的表达水平。也就是说，无论患者有没有进行过检测，都可以直接在二线接受治疗。
去年，由肺癌大牛吴一龙教授等学者主持，入组患者近 90% 来自中国的 CheckMate-078 试验详细的数据结果发布了 [13]。从这个试验中，我们不难看出，PD-L1 阳性患者确实生存期获益更大，达到了 4.4 个月，但阴性患者也同样体现了明显的获益趋势。
▲ CheckMate-078 试验详细的数据
也正是凭借在中国非小细胞肺癌患者中表现出的良好治疗效果，去年 Nivolumab 获批在中国大陆上市，用于非小细胞肺癌的二线治疗，而且不用考虑 PD-L1 是否表达。
这对于目前中国肺癌患者而言无疑是件大好事，因为标准化 PD-L1 检测的落地于我们还有不少距离。至少在二线治疗时，不会因为检测的约束而影响患者本来可能从这种新疗法中获益的可能性。
说到这里，奇点糕早在 2017 年就读到过北京大学肿瘤医院暨北京市肿瘤防治研究所的林冬梅教授所作的一项关于我国 PD-L1 检测的调查，该调查指出 [26]：我国多数医院病理科虽然已具备检测 PD-L1 表达的平台，但由于目前无 PD-L1 检测抗体在中国获批，因此尚无广泛常规检测。
另外，与国外每一种商用抗体均有相应的配套平台、固定操作流程与规范相比，我国 PD-L1 检测具有检测平台不一致、操作方法不一致、使用的检测抗体不一致、报告内容不一致的特点 [26]。
因此，对于非小细胞肺癌要不要检测 PD-L1 水平这个问题，基于上面的信息，大家心里肯定已经有个明晰的判断了：一线治疗需要；二线治疗不需要，如果检测了的话，也无妨，无论阴性还是阳性都可用药。
如果说的更简单一点儿，其实患者用药之前要不要检测 PD-L1 水平，是由临床研究本身的结果和入组人群要求决定的。
例如 Nivolumab 开展的非小细胞肺癌二线治疗的临床研究，无论入组的患者 PD-L1 水平如何，都可以参与临床研究，结果是阴性和阳性都能持续获益。所以 Nivolumab 二线治疗非小细胞肺癌没必要检测 PD-L1 水平。
同样的，Pembrolizumab 一线单药治疗非小细胞肺癌的 III 期临床研究 KEYNOTE-024，招募的都是 PD-L1 水平高于 50% 的患者。所以 FDA 批准的时候，才要求单药治疗的时候必须有 PD-L1 的伴随检测。为啥呢？因为没有 PD-L1 低于 50% 的数据，治疗充满了不确定性，所以 FDA 就不建议 PD-L1 水平低于 50% 的患者用药。
总的来说就是，你的临床试验是如何做的，有啥结果，临床治疗就得怎么来。只有这样，治疗效果才有保证。
无论如何，奇点糕还是非常期待一个优秀的免疫检查点抑制剂疗效预测方法出现。而且这个方向的基础研究进展，目前正被奇点糕密切关注着。
参考资料：
[1].Topalian S L, Hodi F S, Brahmer J R, et al. Safety, Activity, and Immune Correlates of Anti–PD-1 Antibody in Cancer[J]. New England Journal of Medicine, 2012, 366(26): 2443-2454. DOI：10.1056/NEJMoa1200690
[2].Borghaei H, Paz-Ares L, Horn L, et al. Nivolumab versus Docetaxel in Advanced Nonsquamous Non–Small-Cell Lung Cancer[J]. New England Journal of Medicine, 2015, 373(17): 1627-1639. DOI：10.1056/NEJMoa1507643
[3]. William W N, Lin H Y, Lee J J, et al. Revisiting stage IIIB and IV non-small cell lung cancer: analysis of the surveillance, epidemiology, and end results data[J]. Chest, 2009, 136(3): 701-709. DOI：10.1378/chest.08-2968
[4]. Siegel R L, Miller K D, Jemal A. Cancer statistics, 2016[J]. CA: a cancer journal for clinicians, 2016, 66(1): 7-30. DOI：10.3322/caac.21332
[5].Gettinger S N, Horn L, Jackman D M, et al. Five-Year Follow-Up of Nivolumab in Previously Treated Advanced Non–Small-Cell Lung Cancer: Results From the CA209-003 Study[J]. Journal of Clinical Oncology, 2018, 36(17): 1675-1684. DOI：10.1200/JCO.2017.77.0412
[6].Horn L, Spigel D R, Vokes E E, et al. Nivolumab versus docetaxel in previously treated patients with advanced non–small-cell lung cancer: Two-year outcomes from two randomized, open-label, phase III trials (CheckMate 017 and CheckMate 057)[J]. Journal of Clinical Oncology, 2017, 35(35): 3924. DOI：10.1200/JCO.2017.74.3062
[7].Rittmeyer A, Barlesi F, Waterkamp D, et al. Atezolizumab versus docetaxel in patients with previously treated non-small-cell lung cancer (OAK): a phase 3, open-label, multicentre randomised controlled trial[J]. The Lancet, 2017, 389(10066): 255-265. DOI：10.1016/S0140-6736(16)32517-X
[8].Lesterhuis W J, Bosco A, Millward M, et al. Dynamic versus static biomarkers in cancer immune checkpoint blockade: unravelling complexity[J]. Nature Reviews Drug Discovery, 2017, 16(4): 264-272. DOI：10.1038/nrd.2016.233
[9].Simpson T R, Li F, Montalvoortiz W, et al. Fc-dependent depletion of tumor-infiltrating regulatory T cells co-defines the efficacy of anti–CTLA-4 therapy against melanoma[J]. Journal of Experimental Medicine, 2013, 210(9): 1695-1710. DOI：10.1084/jem.20130579
[10].Zhu Y, Knolhoff B L, Meyer M A, et al. CSF1/CSF1R Blockade Reprograms Tumor-Infiltrating Macrophages and Improves Response to T Cell Checkpoint Immunotherapy in Pancreatic Cancer Models.[J]. Cancer Research, 2014, 74(18): 5057-5069. DOI：10.1158/0008-5472.CAN-13-3723
[11].Van Elsas A, Sutmuller R P, Hurwitz A A, et al. Elucidating the Autoimmune and Antitumor Effector Mechanisms of a Treatment Based on Cytotoxic T Lymphocyte Antigen-4 Blockade in Combination with a B16 Melanoma Vaccine: Comparison of Prophylaxis and Therapy[J]. Journal of Experimental Medicine, 2001, 194(4): 481-489. DOI：10.1084/jem.194.4.481
[12].Armand P, Shipp M A, Ribrag V, et al. Programmed Death-1 Blockade With Pembrolizumab in Patients With Classical Hodgkin Lymphoma After Brentuximab Vedotin Failure[J]. Journal of Clinical Oncology, 2016, 34(31): 3733-3739. DOI：10.1200/JCO.2016.67.3467
[13].Santegoets S J, Stam A G, Lougheed S M, et al. Myeloid derived suppressor and dendritic cell subsets are related to clinical outcome in prostate cancer patients treated with prostate GVAX and ipilimumab[J]. Journal for ImmunoTherapy of Cancer, 2014, 2(1): 31-31. DOI：10.1186/s40425-014-0031-3
[14].Martinezlostao L, Anel A, Pardo J, et al. How Do Cytotoxic Lymphocytes Kill Cancer Cells[J]. Clinical Cancer Research, 2015, 21(22): 5047-5056. DOI：10.1158/1078-0432.CCR-15-0685
[15].Halle S, Keyser K A, Stahl F R, et al. In Vivo Killing Capacity of Cytotoxic T Cells Is Limited and Involves Dynamic Interactions and T Cell Cooperativity[J]. Immunity, 2016, 44(2): 233-245. DOI：10.1016/j.immuni.2016.01.010
[16].Nishino M, Ramaiya N H, Hatabu H, et al. Monitoring immune-checkpoint blockade: response evaluation and biomarker development[J]. Nature Reviews Clinical Oncology, 2017, 14(11): 655. DOI：10.1038/nrclinonc.2017.88
[17].Holland J H. STUDYING COMPLEX ADAPTIVE SYSTEMS[J]. Journal of Systems Science & Complexity, 2006, 19(1): 1-8. DOI：10.1007/s11424-006-0001-z
[18].Chen D S, Mellman I. Oncology Meets Immunology: The Cancer-Immunity Cycle[J]. Immunity, 2013, 39(1): 1-10. DOI：10.1016/j.immuni.2013.07.012
[19].Vanderlugt C L, Miller S D. Epitope spreading in immune-mediated diseases: implications for immunotherapy[J]. Nature Reviews Immunology, 2002, 2(2): 85-95. DOI：10.1038/nri724
[20].Kaech S M, Cui W. Transcriptional control of effector and memory CD8 + T cell differentiation[J]. Nature Reviews Immunology, 2012, 12(11): 749-761. DOI：10.1038/nri3307
[21].Havel J J, Chowell D, Chan T A. The evolving landscape of biomarkers for checkpoint inhibitor immunotherapy[J]. Nature Reviews Cancer, 2019, 19(3): 133-150. DOI：10.1038/s41568-019-0116-x
[22].Topalian S L, Taube J M, Anders R A, et al. Mechanism-driven biomarkers to guide immune checkpoint blockade in cancer therapy[J]. Nature Reviews Cancer, 2016, 16(5): 275-287. DOI：10.1038/nrc.2016.36
[23].Hirsch F R, Mcelhinny A, Stanforth D, et al. PD-L1 Immunohistochemistry Assays for Lung Cancer: Results from Phase 1 of the Blueprint PD-L1 IHC Assay Comparison Project[J]. Journal of Thoracic Oncology, 2017, 12(2): 208-222. DOI：10.1016/j.jtho.2016.11.2228
[24].Diggs L P, Hsueh E C. Utility of PD-L1 immunohistochemistry assays for predicting PD-1/PD-L1 inhibitor response[J]. Biomarker research, 2017, 5(1): 12. DOI：10.1186/s40364-017-0093-8
[25].Reck M, Rodríguez-Abreu D, Robinson A G, et al. Pembrolizumab versus Chemotherapy for PD-L1–Positive Non–Small-Cell Lung Cancer[J]. New England Journal of Medicine, 2016, 375(19): 1823-1833. DOI：10.1056/NEJMoa1606774
[26]. 林冬梅. 中国非小细胞肺癌 PD-L1 检测现状 [J]. 中华病理学杂志,2017,46(10):665-668. DOI：10.3760/cma.j.issn.0529-5807.2017.10.001.
文章来源：奇点网
RFNP/IO/3878/03/28/19-03/28/20
