Иммунотерапия с использованием ингибиторов иммунных контрольных точек (ИКТ) стала ключевым методом лечения плоскоклеточного рака головы и шеи. Однако эффективность терапии сильно зависит от микроокружения опухоли (TME) — сложной сети взаимодействий между раковыми клетками, иммунными клетками и фибробластами.

Микроокружение опухоли (TME) — это «соседи» раковых клеток: иммунные клетки, фибробласты, сосуды и сигнальные молекулы. От их взаимодействий зависит, будет ли опухоль расти, метастазировать или поддаваться лечению.

Новое исследование предлагает математическую модель, которая объясняет, почему одни пациенты реагируют на терапию, а другие — нет.

Результаты опубликованы в издании PLOS Computational Biology.

Ученые выделили пять типов TME, каждый из которых по-разному влияет на исход лечения:

• Иммунный «пустырь» — почти нет иммунных клеток, опухоль растет беспрепятственно.
• Фиброзно-доминирующий — много фибробластов, которые создают барьер, защищающий опухоль от атаки иммунитета.
• Иммунно-доминирующий — активные Т-клетки атакуют опухоль, но часть клеток все же ускользает.
• Нефиброзный с иммунным ответом — мало фибробластов, иммунитет работает, но не всегда эффективно.
• Смешанный фиброзно-иммунный — баланс между фибробластами и иммунными клетками, но опухоль все равно выживает.

Модель предсказывает, что при «фиброзно-доминирующем» микроокружении опухоли терапия иммунных контрольных точек почти не работает — фибробласты физически блокируют доступ иммунных клеток к опухоли. Зато комбинация ИКТ с подавлением белков OPN и LIF может улучшить результат.

Что это значит для пациентов

• Если в опухоли много IL-8 и лактата — высокая вероятность устойчивости к терапии.
• Однократное введение IL-2 может «разбудить» иммунитет в „иммунных пустырях“.
• Удаление белков OPN и LIF разрушает защитный барьер фибробластов, повышая шансы на успех лечения.

Этот подход позволяет персонализировать лечение:

• Предсказывать устойчивость к терапии до ее начала.
• Подбирать комбинации препаратов для разных типов TME.
• Снижать количество неэффективных курсов, которые лишь истощают пациента.

В будущем модель можно доработать, добавив данные конкретных пациентов, чтобы прогнозировать исход терапии точнее.

Критический недостаток модели — она не учитывает стадию рака и влияние вируса папилломы человека (ВПЧ), хотя известно, что ВПЧ-положительные опухоли лучше поддаются лечению.

Отметим также, что модель не учитывает пространственную неоднородность опухоли — в реальности фибробласты и иммунные клетки распределены неравномерно, что может сильно влиять на доступность терапии. Кроме того, параметры модели взяты из литературы, а не из реальных данных пациентов, что снижает точность прогнозов.