近年来，随着癌症发病率和死亡率的升高，癌症已经成为我国主要的公共卫生问题之一[1]。目前，手术、放疗、化疗和靶向治疗仍然是癌症患者的标准治疗手段。然而，这些治疗的效果却差强人意。免疫疗法，尤其是通过阻断肿瘤细胞免疫逃逸机制的抗PD-1/PD-L1疗法的成功，引领了近年来癌症治疗方面的重大突破。免疫疗法已成为目前我国癌症研究和治疗的热点。在此，我们将根据中国癌症患者的独有特点，探讨精准免疫疗法在癌症治疗中的挑战和前景。

癌症免疫治疗现状

近年来，中国政府正在切实地努力改善和提高抗肿瘤药物的审批和临床研究环境，为加快新药批准而积极改革监管架构，纳武单抗及派姆单抗已相继获得国家药品监督管理局批准在中国上市。我国制药公司和研究人员对开发新型免疫治疗药物及治疗方法等方面拥有很高的积极性。截至2018年10月，中国制药公司已经开发了20余种抗PD-1/PD-L1抑制剂，其中多个药物已被国家药品监督管理局批准用于晚期实体瘤患者的1-3期临床试验（表1）。2016年11月，美国食品药品管理局（FDA）批准了PD-1抑制剂KN035的临床试验[2]。在过去的五年里，大约有2000余个针对实体瘤的PD-1/PD-L1疗法的国际临床试验数据被录入ClinicalTrials.gov数据库，其中约200多个临床试验来自中国[3]。因此，中国的临床试验正在迅速发展，并逐步赶上世界其他地区。

表1

然而，在目前的发展形势下仍存在很多隐患：1.过于激烈的市场竞争。20余家公司都在争夺同一类药物的市场份额，势必会影响药物本身和临床研究质量的参差不齐。2. 无论是药物研发，还是治疗方案的设计，大部分中国药企一直在生产“仿制”药物——而缺乏真正的创新。3. 轻基础研究，过度的重视应用研究和现行的过于强调发表数量的科研评估体系等，很可能会阻碍科学的真正发展。

癌症免疫治疗面临的挑战

虽然抗PD-1/PD-L1治疗在实体肿瘤的治疗中取得了世人瞩目的进步，但在我国同样面临着诸多困难，其中最严峻的挑战就是如何通过筛选生物标志物选择真正获益的人群。

1. 缺乏针对疗效预测的生物标志物

早期试验结果显示，抗PD-1/PD-L1疗法对于多种肿瘤类型均有持久的疗效[4,5]。然而，这种治疗的总体缓解率只有10%~44%[6,7]。因此，仍需要更好的生物标志物来指导患者选择合适的治疗以及提供早期的疗效预测。

2. 缺乏针对不良反应的预测性标志物

在抗PD-1/PD-L1疗法[8]应用期间，已经有研究报告发生包括致命并发症在内的不良反应。大多数临床试验都聚焦于疗效判断的潜在生物标志物，但目前并没有发现任何可靠的、针对不良反应的生物标志物，而不良反应相关的生物标志物在临床上同样是噬待解决的问题之一。

3. 缺乏针对超进展疾病的预测性生物标志物

Champiat等人首次报告了一例被称为“超进展疾病”的病例，文章中患者在接受抗PD-1/PD-L1等免疫检查点抑制剂的治疗后，肿瘤发生了非同寻常的快速进展。这种情况在接受免疫检查点抑制剂治疗的患者中发生比例为9%~29%[9,10]。正如这项研究表明，为了使那些可能对免疫检查点抑制剂治疗的产生副反应的患者免受伤害，发现超进展疾病的生物标志物势在必行。不幸的是，到目前为止，尚未发现较为明确的生物标志物。

除了以上这些困难，在设计临床研究时，我们还需要考虑中国患者的一些特殊点。例如，中国患者的乙肝病毒感染率相对较高，并且使用中药的频率更高。另外我国患者也具有更多的“驱动基因”突变，这些“驱动基因”突变与癌症发展、化疗临床反应以及不同的毒性特性相关[11-14]等。

中国癌症精准免疫治疗展望

由于人体免疫系统存在高度的复杂性和动态变化特性，筛选癌症免疫疗法的生物标志物比其他治疗方法更具迫切性和挑战性。因此，建立指导患者进行免疫治疗的精准免疫学势在必行。

1. PD1/PD-L1单抗的预测生物标志物

（1）错配修复缺陷

DNA错配修复（MMR）由一系列特异性修复DNA碱基错配的酶分子组成，被称为DNA 错配修复系统。该系统缺陷可导致多种肿瘤类型中肿瘤突变负荷的成倍增加，有可能是肿瘤新抗原增加，进而对PD-1/PD-L1单抗的疗效较好[15]。微卫星灶高度不稳定(MSI-H)是 dMMR 肿瘤的一项重要特征。

在2017年，美国FDA加速批准了派姆单抗用于治疗已被确认为MSI-H或dMMR的非切除性或转移性成人和儿童实体瘤患者。该批准涵盖了在接受前期治疗后病情进展的患者以及没有合适的替代治疗方案的患者。然而，只有4%~5%的晚期实体肿瘤患者被确认具有MSI-H或dMMR特征，而这些患者的治疗应答率仅约约为40%[16]。因此，仍需进一步探索新的生标志物来筛选PD1/PD-L1单抗的获益人群。

（2）PD-L1表达情况

应用免疫组化(Immunohistochemistry, IHC) 对患者肿瘤组织进行检测，也是目前临床上预测患者对PD-1/PD-L1单抗治疗有效性常用的方法之一[17]。

最近发表的一项针对晚期非小细胞肺癌（NSCLC）的三期随机临床试验，揭示了免疫治疗中高PD-L1表达与较长无进展生存期、总生存期之间的相关性[18]。最近一项关于免疫标志物在非小细胞肺癌（NSCLC）治疗中的研究表明，应用PD-L1表达来选择治疗人群仍存在争议。他们发现在一些NSCLC肿瘤低表达或者不表达PD-L1的患者也能从抗PD-L1治疗中获益[19]。在胃癌[20]、肾细胞癌[21]以及尿路上皮细胞癌[22]等其他肿瘤中也观察到了类似的情况。另外，PD-L1检测存在一定的问题：(1) 生物学方面，如瘤间及瘤内异质性，干预治疗影响表达，以及细胞类型、染色部位等；(2) 检测技术方面，如不同的检测抗体和平台，不同的阈值； (3) 组织来源方面，组织类型，原发部位与转移灶，细胞学标本，标本质量等，这些可能会干扰PD-L1的检测结果。另外，在肿瘤微环境中的其他细胞，如淋巴细胞和巨噬细胞也会表达PD-L1。鉴于PD-L1 IHC检测的复杂性，我们需要更多的研究来证实PD-L1的疗效预测作用。

（3）突变图谱（Mutational landscape）及突变负荷

各种研究已经揭示了肿瘤基因组突变负荷与不同的抗PD-1/PD-L1药物[23,24]疗效之间的关系。因此通过分析肿瘤的遗传特征，可能会筛选出对检查点抑制剂具有更好反应的患者[25]，具有较高非同义突变负荷的非小细胞肺癌（NSCLC）患者在派姆单抗的临床治疗中表现出较为长期的获益。此外，另一项研究表明，几乎所有具有较低非同义突变负荷的患者都没有从相同的治疗中受益[24]，这些结果使肿瘤的突变图谱（Mutational landscape）成为最有潜力的疗效预测因素之一。但是不同研究所采用的高突变负荷标准、算法及所测基因组合的定义不尽相同，更重要的是缺乏中国人群的数据，因此，如何标化检测流程、分析、解读等，寻找到适合国人不同瘤种的突变负荷阈值，是目前迫切需要解决的问题之一。

（4）其他预测生物标志物

众所周知，炎症细胞、癌症和促炎蛋白（如趋化因子）之间存在着某种联系。一些研究结果表明，与细胞因子干扰素-γ相关的基因遗传标记似乎是潜在的肿瘤生物标记物，可能很快就会被纳入预测病人对检查点抑制剂反应的预测模型中[26,27]。另外，研究也揭示了肠道菌群对接受检查点阻滞抑制剂免疫治疗的患者[28,29]产生的影响。通过对检查点抑制剂治疗获益的肿瘤患者的肠道菌群进行深入研究，可能为病人的用药选择，甚至干预提供宝贵的信息。

2017年以来，许多研究表明CMTM（CKLF-like MARVEL跨膜结构域家族）蛋白CMTM6以及CMTM4与PD-L1蛋白相关，并能增强PD-L1表达肿瘤细胞抑制T细胞免疫应答的能力，这为克服肿瘤细胞的免疫逃逸提供了一个潜在的治疗靶点[30,31]。

实际上，人体肿瘤免疫微环境是受多个因素精细调控的复杂过程，上述单一的因素去预测是否能从免疫治疗中获益可能存在些许缺陷，因此，这些潜在标志物的组合或者利用人工智能等大数据算法可能更能体现出免疫微环境动态调节的过程，因而也为预测免疫治疗疗效、筛选潜在获益人群提供了更加优化的策略选择。

2. 与超进展相关的预测生物标记物

巴黎萨克雷大学的Champiat等人发现在65岁及以上的患者中，年龄较大的患者具有较高的超进展发病率[9]。这或许是老年患者的免疫细胞功能、趋药性、吞噬功能以及胞内杀灭病原体的能力下降的缘故[32]，但目前尚不清楚其发生机制。此外，Saada-Bouzid等人发现[10]，在复发或转移性头颈部鳞状细胞癌的患者中，与远端复发的肿瘤（37%）相比，在肿瘤原位复发的肿瘤（90%）与超进展更具有显著的相关性（90% vs 37%）。Kato等人[33]研究了免疫疗法后超进展相关的潜在基因标志物，结果显示，鼠双微体基因2 （MDM2）的扩增或者表皮生长因子受体（EGFR）的变化与接受PD-1/PD-L1抑制剂治疗患者的超进展密切相关，而与接受CTLA-4治疗的患者不相关。然而，MDM2家族扩增与超进展相关的确切机制尚不清楚，早期免疫疗法后活检在未来探索超进展潜在的机制中具有很大价值。

3. 联合免疫治疗法及预测标志物

近年来，在癌症免疫治疗中使用的新型联合疗法数量有所增加。联合治疗方案的目标是扩大从免疫疗法中获益患者的范围，提高疗效，与单一治疗方案相比更能减少副作用（图1）。

图1

目前，数千个临床试验正在探索抗PD-1/PD-L1疗法与实验性免疫调节剂联合使用的效果，如其他免疫检查点抑制剂、癌症疫苗、表观遗传学药物和靶向代谢途径的药物。例如，使用PD-1和CTLA-4联合治疗黑素瘤[34]和非小细胞肺癌（NSCLC）[35]的初步证据表明，通过将单一疗法与具有协同作用机制的药物相结合，有潜力增强该单一疗法的临床疗效。但是，同时也应考虑增加的免疫相关毒性反应。最近新提出的免疫增强化的联合策略，可能因激活了全身的免疫反应而导致更多的免疫毒性反应，因而需要筛选特定的瘤种和人群，而追寻副反应较小的免疫正常化是未来的联合方向[36]。

免疫治疗与传统的手术、化疗、放疗和靶向治疗的联合也是未来的方向之一，因为这些治疗使得肿瘤细胞的崩解，释放肿瘤特异性抗原物质，产生急性炎症环境，理论上能够达到增效免疫治疗的效果。今年《新英格兰杂志》已经发表了多篇联合策略的临床研究均取得了生存获益：Atezolizumab联合贝伐珠单抗及化疗于转移性非鳞肺癌[37]；Durvalumab联合放化疗于III期不可切除的非小细胞肺癌[38]；Pembrolizumab联合化疗于转移性肺鳞癌[39]，这些联合治疗给肿瘤患者带来了希望，但是尚不清楚这些传统治疗方式在破坏肿瘤细胞的同时，是否会影响效应T细胞及记忆T细胞的代谢、增殖和活化能力。同时，如何在保证安全性的情况下，选择合适的剂量和给药时机也是当前亟待解决的问题。

尽管研究发现，联合疗法的缓解率比单一疗法要高得多，但仍有一部分患者无法从治疗中获益。因此，寻找联合免疫疗法的预测生物标志物同样至关重要，这可能需要对免疫应答进行动态监测，并更全面地了解肿瘤微环境在治疗前、治疗期间和治疗后的变化。

4. 不良事件的预测性生物标志物

联合免疫疗法通常会带来更多的不良事件。在KEYNOTE-059研究中，有76%的患者发生了3~4级治疗相关不良事件（包括中性粒细胞减少、口腔炎、贫血、血小板减少、神经性厌食以及疲劳）[40]，这些不良事件发生比例较化疗或靶向疗法要高得多。因此，我们应该更多地关注与治疗相关的不良事件，并试图为它们找到新的预测性生物标志物。已有研究结果表明，许多生物标志物可以预测免疫检查点抑制剂CTLA-4抗体的毒性，仍需前瞻性临床试验的进一步验证。其中，中性粒细胞活化标志物以及数个免疫球蛋白基因可作为预测CTLA-4治疗毒性的生物标志物，这值得进一步研究。目前尚无评估抗PD-1治疗毒性的预测生物标记物， 分析抗PD-1/PD-L1治疗出现毒性反应的患者的基因表达谱也许是未来的一个研究方向。

结 语

癌症精准免疫治疗的终极目标是筛选出能从某种免疫治疗中获益的潜在人群；在确保安全性的情况下，增强免疫治疗疗效，扩大获益人群范围，从而真正能通过人体自身免疫力而消灭肿瘤。但这种新的治疗模式也给临床带来了许多新的问题，如何预测免疫治疗的疗效、预测不良反应、预测超进展等。人体免疫系统的复杂性和动态变化给免疫治疗标志物的发展带来巨大的挑战，虽然已经有一些标志物被发现，但是尚没有一种标志物能取得令人满意的效果。新的检测技术、精准的分子分型、和密切、完整的免疫监测将给寻找免疫治疗和联合免疫治疗预测标志物带来新的希望。

参考文献：

[1]. W. Chen et al., CA Cancer J. Clin. 66, 115–132 (2016).

[2]. S. Y. Liu, Y. L. Wu, J. Hematol. Oncol. 10, 136 (2017).

[3]. Q. Zhou et al., Nat. Rev. Clin. Oncol. 14, 577–583 (2017).

[4]. E. B. Garon et al., N. Engl. J. Med. 372, 2018–2028 (2015).

[5]. C. Robert et al., N. Engl. J. Med. 372, 2521–2532 (2015).

[6]. F. S. Hodi et al., J. Clin. Oncol. 32, 9002–9002 (2014).

[7]. Y. Iwai et al., J. Biomed. Sci. 24, 26 (2017).

[8]. A. Sgambato et al., Curr. Drug Saf. 11, 62–68 (2016).

[9]. S. Champiat et al., Clin. Cancer Res. 23, 1920–1928(2017).

[10]. E. Saada-Bouzid et al., Ann. Oncol. 28, 1605–1611 (2017).

[11]. L. Y. Gou, Y. L. Wu, Lung Cancer (Auckl.) . 5, 1–9 (2014).

[12]. T. Kohno et al., Transl. Lung Cancer Res. 4, 156–164(2015).

[13]. S. Lu et al., Clin. Lung Cancer 17, e103–e112 (2016).

[14]. Q. Zhang et al., Sci. Rep. 5, 17413 (2015).

[15]. S. Y. Liu, T. Mok, Y. L. Wu, Cancer 121 (Suppl. 17), 3089–3096 (2015).

[16]. M. Bupathi, C. Wu, J. Gastrointest. Oncol. 7, 713–720(2016).

[17]. S. P. Patel, R. Kurzrock, Mol. Cancer Ther. 14, 847–856(2015).

[18]. M. Reck et al., N. Engl. J. Med. 375, 1823–1833 (2016).

[19]. Y. K. Chae et al., Clin. Lung Cancer 17, 350–361 (2016).

[20]. Y. Y. Janjigian et al., J. Clin. Oncol. 34, 4010–4010 (2016).

[21]. F. Xu et al., Int. J. Clin. Exp. Med. 8, 14595–14603 (2015).

[22]. J. E. Rosenberg et al., Lancet. 387, 1909–1920 (2016).

[23]. H. Matsushita et al., Nature. 482, 400–404 (2012).

[24]. N. A. Rizvi et al., Science. 348, 124–128 (2015).

[25]. C. Kandoth et al., Nature. 502, 333–339 (2013).

[26]. J. Gao et al., Cell. 167, 397–404.e9 (2016).

[27]. J. M. Zaretsky et al., N. Engl. J. Med. 375, 819–829 (2016).

[28]. A. Sivan et al., Science 350, 1084–1089 (2015).

[29]. M. Vetizou et al., Science. 350, 1079–1084 (2015).

[30]. M. L. Burr et al., Nature. 549, 101–105 (2017).

[31]. R. Mezzadra et al., Nature. 549, 106–110 (2017).

[32]. R. Solana et al., Semin. Immunol. 24, 331–341 (2012).

[33]. S. Kato et al., Clin. Cancer Res. 23, 4242–4250 (2017).

[34]. J. Larkin et al., N. Engl. J. Med. 373, 23–34 (2015).

[35]. A. Somasundaram, T. F. Burns, J. Hematol. Oncol. 10, 87(2017).

[36]. M. F, Sanmamed et al., Cell 175, 313 - 326 (2018).

[37]. M. A. Socinski et al., N Engl J Med. 378, 2288 – 2301 (2018).

[38]. S. J. Antonia et al., N Engl J Med (2018).

[39]. L. Paz-Ares et al., N Engl J Med (2018).

[40]. Y. J. Bang et al., J. Clin. Oncol. 35, 4012–4012 (2017).