ESMO热点追踪之乳腺癌再启征程——PARP抑制剂展风采

2017 年 9 月 14 日 肿瘤资讯
编译:肿瘤资讯编辑部
来源:肿瘤资讯

近年来,利用细胞固有的同源重组修复缺陷,通过“合成致死”理论杀死肿瘤细胞的概念成为肿瘤治疗领域的热点之一。其中研究最为成熟的药物是PARP抑制剂。而PARP抑制剂中率先取得成果的就是Olaparib(奥拉帕利)。在今年ESMO大会上,报道了多项关于Olaparib(奥拉帕利)在乳腺癌领域的研究。

今年6月ASCO会议和新英格兰杂志几乎同步重磅报道了国际多中心、随机、开放性III期临床研究OlympiAD的结果(图1)。310例既往接受过≤2线包括蒽环和紫杉类化疗的gBRCA 1/2突变的Her-2阴性晚期乳腺癌患者纳入研究,结果显示与标准化疗(卡培他滨、长春瑞滨、艾日布林)组相比,奥拉帕利组将PFS(首要终点)从4.2个月延长至7.0个月,显著降低42%的相对疾病进展风险(HR 0.58,95%CI 0.48,0.80;P=0.0009)。奥拉帕利组患者生活质量评分改善显著高于标准化疗组,3级以上毒性反应则明显低于化疗组(36.6% vs 50.5%),因副反应导致治疗中断者奥拉帕利组5%,化疗组8%。OlympiAD成为首个在晚期乳腺癌患者中使用PARP抑制剂报道阳性结果的III期临床研究。

图1

在刚刚结束的ESMO大会上,OlympiAD研究更新了包括客观缓解率、靶病灶改变和亚组PFS在内的次要终点数据。奥拉帕利组167例患者和化疗组66例患者进行了客观缓解率评估。独立中心盲法评估(BICR)的结果,奥拉帕利片剂单药的ORR达59.9%,标准化疗组28.8%,前者几乎是后者的2倍(图2)。

图2

值得一提的是,奥拉帕利的起效时间(中位47 天)和化疗(中位45 天)类似,这意味着对需要快速控制病灶的有症状患者或疾病进展较快的患者,奥拉帕利仍是一个良好的选择。中位缓解持续时间在两组间无显著性差别(奥拉帕利组196天,化疗组216天)。此外,奥拉帕利较之化疗也能更大程度地降低靶病灶大小(奥拉帕利组-45.1%,范围-100%~+77%;化疗组-14.8%,范围-100%~+89%;图3)。虽然由于样本量较小,亚组之间的比较不具足够的说服力,但在根据转移灶部位及数目分层的亚组结果提示奥拉帕利的获益与总人群保持一致(图4)。更新的这些数据再次支持无论转移灶部位和数目,HER2阴性、gBRCA1/2突变的转移性乳腺癌患者都能从奥拉帕利中获益。

图3

图4

晚期乳腺癌的治疗始终贯穿对疗效和安全性的取舍。本次ESMO大会还更新了OlympiAD研究另一个次要终点:健康相关的生活质量(HRQoL)变化。奥拉帕利单药组的HRQoL提高(3.9 ±1.2),标准化疗组HRQoL降低(-3.6±2.2),校正的中位差异值为7.5 (95% CI 2.48–12.44;P=0.0035),奥拉帕利组显著优于标准化疗组。第6个月时的HRQoL无恶化比例:奥拉帕利组81.5%,标准化疗组61.2% ;第12个月的HRQoL无恶化比例:奥拉帕利组64.0%,标准化疗组53.5%。中位的HRQoL至恶化时间,标准化疗组15.3个月,奥拉帕利组尚未达到(HR 0.44,95%CI 0.25,0.77;P=0.0043)。奥拉帕利较之标准化疗在耐受性方面具有显著优势。

除了在晚期阶段开展了多种形式的研究,奥拉帕利在早期治疗领域也进行了探索。OlympiA是针对高风险、HER-2阴性、gBRCA突变的乳腺癌患者使用奥拉帕利做为辅助治疗的随机III期研究。这些患者之前已完成手术和6周期的新辅助或辅助化疗,1:1随机入组到不超过12个月的奥拉帕利单药或安慰剂组。该研究于2014年4月开始入组,至今年8月20日已入组了1047位患者。预计2028年研究结束,IDFS的首次分析将于2020年公布。HER-2阴性的晚期乳腺癌-中,胚系和体细胞的BRCA突变或其他体细胞同源重组修复(HRR)基因突变的流行病学数据、HRR突变患者的治疗和临床结局在目前仍是空白。

BREAKOUT研究是一项前瞻性、非干预、观察性研究,首要目的旨在真实世界中评估不受基因表型、年龄或家族史选择的gBRCA突变患者的流行病学数据,以及HRR突变患者的治疗和生存结局。将入组来自北美、欧洲和亚太地区17个国家约2000名女性,预计2019年研究结束。

无论是使用干预性临床研究对疗效和安全性的探索,还是非干预性研究观察流行病学和预后结局,以奥拉帕利为代表的PARP抑制剂都将给予乳腺癌患者再启征程的信心。

28个肿瘤相关临床试验招募患者


点击下方图片即可查看详情


登录查看更多
0

相关内容

神经网络的拓扑结构,TOPOLOGY OF DEEP NEURAL NETWORKS
专知会员服务
33+阅读 · 2020年4月15日
【华侨大学】基于混合深度学习算法的疾病预测模型
专知会员服务
97+阅读 · 2020年1月21日
Arxiv
3+阅读 · 2018年10月18日
Arxiv
6+阅读 · 2018年10月3日
Arxiv
5+阅读 · 2018年4月13日
VIP会员
Top
微信扫码咨询专知VIP会员