Optimiser l'inclusion des patients dans les études cliniques en oncologie à l'aide d'un test fonctionnel et réduire les risques d'échec des études cliniques
Exemple d'Oncogramme®
Introduction
La réussite des essais cliniques de nouveaux médicaments est une étape critique pour les entreprises biotechnologiques et pharmaceutiques. La découverte et le développement d'un nouveau médicament est un processus long et coûteux, avec un risque élevé d'échec. Ce processus peut durer de 10 à 15 ans, avec un coût moyen de 1 à 2 milliards de dollars.1
Le taux d'échec actuel des études cliniques pour les nouveaux médicaments, de la phase I à l'autorisation clinique finale, est supérieur à 90 %2. C'est pourquoi les entreprises pharmaceutiques s'efforcent d'améliorer la probabilité de succès (POS) des essais cliniques. Cette probabilité est essentielle pour les chercheurs cliniques et les investisseurs biopharmaceutiques, qui doivent l'évaluer pour prendre des décisions scientifiques et économiques.
La principale raison de l'échec des essais cliniques est l'impossibilité d'identifier une réelle efficacité clinique avec un nouveau médicament (40-50%)2. L'amélioration des critères de sélection des patients inclus dans les études cliniques est l'un des moyens d'augmenter la PDV. La démocratisation de l'utilisation des diagnostics compagnons (Cdx) dans les études cliniques en oncologie va dans ce sens3
L'objet de cette note d'application est de discuter comment l'utilisation de diagnostics complémentaires (CoDx), et plus particulièrement de tests fonctionnels, lors d'essais cliniques en oncologie peut améliorer le taux de succès. L'Oncogramme®, un test fonctionnel standardisé, permettant l'évaluation quantitative des capacités anticancéreuses d'une molécule directement sur des cellules cancéreuses primaires (culture 2D) extraites de la tumeur d'un patient, est l'exemple que nous avons choisi pour illustrer notre propos.4–8.
1. Études cliniques en oncologie : Un long processus avec un risque élevé d'échec
La découverte et le développement de médicaments est un processus à haut risque qui dure plus de dix ans. Le coût estimé d'un médicament approuvé en clinique se situe entre 1 et 2 milliards de dollars. Le succès des essais cliniques est donc crucial pour les entreprises pharmaceutiques, après des années de recherche, de développement et d'études précliniques. Néanmoins, seul un candidat-médicament sur dix faisant l'objet d'une étude clinique sera finalement approuvé cliniquement. Il est important de préciser que ces 90 % d'échecs d'études cliniques ne concernent que les candidats-médicaments entrés dans une étude clinique et non tous les candidats-médicaments éliminés au cours des études précliniques2.
Comme l'explique un article du Health Network University of Toronto, les essais cliniques sont divisés en phases, afin de fournir des points de décision clés sur la poursuite ou l'arrêt du développement d'un médicament. La phase III est une étape cruciale du processus de développement d'un médicament. Elle représente l'étape la plus coûteuse et nécessite beaucoup de temps avant d'obtenir des résultats9.
Un article du MIT a étudié la réussite des essais cliniques en fonction du type de maladie, de la phase clinique, du sponsor industriel ou universitaire, de la présence de biomarqueurs, du statut de l'indication principale et de la durée. Pour l'oncologie, cette étude a identifié un taux de réussite de 3,4 % entre la phase I et l'approbation clinique. La même étude a recensé 235 essais cliniques randomisés de phase III publiés en oncologie entre le 1er janvier 2000 et le 31 octobre 2015. L'article indique que 62 % des essais cliniques de phase III en oncologie n'ont pas obtenu de résultats statistiquement significatifs3.
Un autre article, publié par l'université du Michigan, a tenté d'identifier les raisons de ces 90 % d'échecs des essais cliniques2. Les auteurs ont identifié quatre raisons : le manque d'efficacité clinique (40-50%), une toxicité ingérable (30%), des propriétés médicamenteuses médiocres (10%-15%), l'absence de besoins commerciaux et une mauvaise planification stratégique (10%)2.
La principale raison de l'échec des essais cliniques étant le manque d'efficacité clinique (40 à 50 %)2, un moyen de réduire le taux d'échec des essais cliniques dû au manque d'efficacité clinique est d'améliorer la sélection des patients, en particulier en oncologie, où des différences majeures sont observées entre plusieurs cancers provenant d'une même localisation.
L'utilisation de biomarqueurs est un moyen possible d'améliorer le taux de réussite des études cliniques. Sur 406 038 entrées de données d'essais cliniques pour plus de 21 143 composés entre le 1er janvier 2000 et le 31 octobre 2015, une équipe du MIT a identifié que seulement 7,1 % de toutes les voies de développement de médicaments qui utilisent des biomarqueurs les utilisent à tous les stades de développement. L'auteur a en outre constaté que 92,3 % des essais utilisant des biomarqueurs n'ont été observés qu'à partir du 1er janvier 20053.
La même équipe a souligné qu'un biomarqueur est utilisé dans 10,8 % des études cliniques en oncologie. Le taux global de réussite d'une étude clinique en oncologie est de 1,6 % des cas. Avec un biomarqueur, le taux de réussite est de 10,7 %. En se concentrant sur les études de phase III et plus, on constate que le taux de réussite est de 33,6 % sans biomarqueur et de 63,6 % avec biomarqueur. Les conclusions de cette étude sont donc que les essais cliniques en oncologie avec une sélection des patients à l'aide de biomarqueurs ont des taux de réussite plus élevés3.
Si la démocratisation des CDx, pour la détection de biomarqueurs, dans les études cliniques en oncologie, augmente le taux de réussite des études cliniques de moins de 2% à plus de 10%, le risque d'échec des études cliniques reste très élevé. L'émergence d'une nouvelle sous-famille de CDx, les Diagnostics Complémentaires (CoDx), offre de nouvelles opportunités pour améliorer la sélection des patients en vue de leur inclusion dans les études cliniques en oncologie et ainsi, augmenter le taux de succès.
2. Diagnostic complémentaire : Les tests fonctionnels peuvent-ils contribuer aux études cliniques en oncologie ?
Les stratégies actuelles des études cliniques sur le traitement du cancer ont été élaborées en démontrant une meilleure efficacité dans des cohortes de patients définies par la similitude du diagnostic. Les cancers étant des maladies complexes et hétérogènes, ils nécessitent une prise en charge thérapeutique adaptée.7,10. Le terme "médecine personnalisée" est apparu après l'observation de taux de réponse et de survie des patients insatisfaisants avec les nouveaux médicaments anticancéreux, y compris les médicaments d'immuno-oncologie7.
Les débuts de la médecine personnalisée en oncologie, avec une stratégie de biomarqueurs liée au développement d'un Cdx, remontent aux années 8011. Cette approche des biomarqueurs s'est rapidement répandue pour les essais cliniques et les traitements cliniques en oncologie.
La définition du Cdx n'est pas tout à fait la même en termes de réglementation. Pour la FDA (États-Unis), c'est le cas : Un dispositif de diagnostic compagnon peut être un dispositif de diagnostic in vitro (DIV) ou un outil d'imagerie qui fournit des informations essentielles à l'utilisation sûre et efficace d'un produit thérapeutique correspondant12.
Pour l'IVDR (Europe), on entend par "diagnostic d'accompagnement" un dispositif essentiel à l'utilisation sûre et efficace d'un médicament correspondant pour:
(a) identifier, avant et/ou pendant le traitement, les patients les plus susceptibles de bénéficier du médicament correspondant; ou
(b) identifier, avant et/ou pendant le traitement, les patients susceptibles de présenter un risque accru de réactions indésirables graves à la suite du traitement13
Un article d'Evnia ApS tente de décrire les principaux objectifs d'un Cdx comme suit14:
(a) Identifier le groupe de patients approprié qui est le plus susceptible de bénéficier d'un produit thérapeutique;
(b) Identifier les groupes de patients pour lesquels la sécurité et l'efficacité du produit thérapeutique ont été suffisamment démontrées, ce qui permet d'adapter le traitement pour obtenir une sécurité optimale;
(c) Prévoir les effets indésirables graves que certains patients peuvent présenter à la suite de l'utilisation d'un médicament thérapeutique;
(d) Surveiller la réponse au traitement afin d'améliorer ou d'ajuster le schéma posologique et de garantir la sécurité du patient.
Ainsi, en identifiant la présence ou l'absence d'une cible médicamenteuse sur le cancer du patient, les Cdx peuvent guider l'oncologue vers une thérapie spécifique. D'autre part, les Cdx sont utilisés par les sociétés de développement d'onco-médicaments pendant les essais cliniques pour identifier les populations qui peuvent être traitées par un médicament.
Cependant, deux limites sont rapidement apparues à l'utilisation des biomarqueurs basés sur des cibles, que ce soit dans le cadre d'études cliniques ou pour aider l'oncologue à choisir le meilleur traitement pour le patient:
► La positivité d'un biomarqueur, ou la présence de la cible du médicament, ne signifie pas l'efficacité du traitement. Un problème inhérent aux biomarqueurs basés sur la cible est qu'ils testent uniquement la présence de la cible du médicament et ne prennent pas en compte les mécanismes de résistance non liés à la cible.10.
► Un autre problème est que certains médicaments ciblés, comme les inhibiteurs de récepteurs-kinases par exemple, n'ont pas seulement un effet ciblé, mais génèrent un large spectre d'activités dans la cellule, qui n'est pas testé pour les effets sur la santé10.
Un autre type d'outil de diagnostic est apparu plus récemment: Diagnostics complémentaires (CoDX). Si le Cdx est un processus rigide entre le patient et un traitement spécifique (1 biomarqueur positif = 1 thérapie ciblée), le CoDX peut fournir des informations sur les bénéfices potentiellement accrus de l'administration d'un médicament. Ces tests diagnostiques ne rendent cependant pas un médicament spécifique obligatoire et un résultat négatif ne disqualifie pas le médicament associé. La principale différence entre le Cdx et le Codx réside donc dans la liberté de décision des médecins quant au choix du traitement de leurs patients.15. En résumé, une CoDx est un test qui aide à la prise de décision bénéfice-risque concernant l'utilisation d'un produit thérapeutique, lorsque la différence bénéfice-risque est cliniquement significative.16. Jusqu'à présent, les CoDx, comme les Cdx, ont été principalement développées pour l'indication du cancer et jouent un rôle crucial dans la médecine personnalisée15.
Un CoDx, proche du sous-type de patient, à savoir les tests fonctionnels, est particulièrement intéressant. Les essais fonctionnels testent sur les propres cellules du patient, en amont de l'initiation du traitement, l'arsenal des thérapies disponibles pour une indication spécifique. Ainsi, au lieu d'identifier les racines du phénotype de la maladie (biomarqueur), ils capturent la réponse finale, et donc cliniquement pertinente, à un médicament, produite par l'interaction entre toutes les variables biologiques. Ces tests sont la transposition d'essais précliniques in vitro, menés sur des modèles sélectionnés pour étudier la réponse à un candidat-médicament, en essais ex vivo cliniquement applicables. Les tests fonctionnels peuvent donc fournir une évaluation personnalisée de la réponse à un médicament. approche médicale pour les traitements systémiques, y compris les chimiothérapies, qui n'ont pas encore été associées cliniquement à un biomarqueur unique ou à des groupes de biomarqueurs15.
En oncologie, les tests fonctionnels prédictifs et plus particulièrement les tests de chimiosensibilité et de résistance (CSRA) constituent une voie très prometteuse pour aider les oncologues à prendre des décisions thérapeutiques cliniques et à améliorer les thérapies individualisées et personnalisées. Un point crucial pour comprendre l'importance des tests fonctionnels pour la thérapie personnalisée est la prédictivité de ces CoDx. Deux méta-analyses ont étudié la prédictivité de l'ACRS. La première, de l'Université d'Uppsala (Suède), publiée en 2017, a analysé 1 835 résultats de patients individuels de CSRA, provenant de 34 rapports, et a identifié une spécificité de CSRA de 88 % (IC : 86 %-90 %) et une spécificité de 72 % (IC : 68 %-75 %).10
La seconde méta-analyse, réalisée par Oncomedics (France) et le Centre hospitalier universitaire Dupuytren (France), a analysé 42 études et identifié, en termes de localisation du cancer, une sensibilité comprise entre 44,4 % et 100 %, avec une médiane de 98 %. Pour la spécificité, en termes de localisation du cancer, entre 18,2 % et 100 %, avec une médiane de 77 %. En résumé, le pourcentage de prédiction correcte, identifié par cette étude, est compris entre 44,4 % et 94,4 %, avec une valeur médiane de 77,8 %15.
Cette haute prédictivité des tests fonctionnels CSRA peut donner confiance aux oncologues lorsqu'ils choisissent les thérapies à entreprendre pour les patients.
Dans la suite de cette note d'application, nous allons montrer, à l'aide de l'exemple d'Oncogramme®, comment la haute prédictivité des tests fonctionnels peut sécuriser un essai clinique de phase III en oncologie en aidant à la sélection des patients à inclure.
3. L'Oncogramme, exemple de Test Fonctionnel de Chimiosensibilité et de Résistance pour le cancer colorectal métastatique
Le cancer colorectal (CCR)est un problème majeur de santé publique et la deuxième cause de décès par cancer dans le monde (880 000 décès par an) 17. Le cancer colorectal métastatique montre un faible taux de survie des patients, autour de 11,4%18.
Les normes de soins actuelles sont des combinaisons de 5-fluorouracile (5-FU) et d'acide folinique (AF, également connu sous le nom de leucovorine) avec de l'oxaliplatine (FOLFOX), de l'irinotécan( FOLFIRI) ou les deux (FOLFIRINOX et FOLFOXIRI). Ces associations peuvent être complétées par des anticorps anti-VEGF (bevacizumab) ou anti-EGFR( cetuximab ou panitumumab), selon le statut mutationnel KRAS / NRAS / BRAF de la tumeur19. Ces thérapies sont associées à des toxicités connues, dont la gravité dépend de l'âge ou des comorbidités des patients et peut aggraver leur état général, influençant ainsi les décisions thérapeutiques7. Les patients atteints de mCRC instables microsatellites (MSI) récidivants peuvent également recevoir des inhibiteurs de points de contrôle immunitaires nivolumab ou pembrolizumab20,21.
Il est important de mentionner qu'un patient atteint d'un cancer colorectal métastatique (Ccr) devrait avoir une probabilité de 50% de répondre à la chimiothérapie combinée de première chaux22. C'est pourquoi la société française Oncomedics a travaillé au développement d'un test fonctionnel de chimiosensibilité, capable de déterminer les profils de réponse aux agents chimiothérapeutiques sur le CCR, le sein et l'ovaire. Oncogramme ® pour CRCm est validé CE-IVD.
En bref, Oncogramme ® consiste en la mesure de la mortalité induite par la thérapie sur des échantillons de cellules cancéreuses primaires 2D cultivées de patients, en utilisant la microscopie à fluorescence. Ce test est entièrement standardisé, permettant à la fois une fiabilité et un taux de réussite élevé. Lorsqu'il est appliqué au mCRC, l'Oncogramme ® évalue directement les combinaisons de médicaments couramment utilisées par les oncologues, telles que 5-FU, FOLFOX, FOLFIRI ou FOLFIRINOX. Une étude pilote réalisée sur une cohorte de patients atteints de mCRC a montré une sensibilité de 84,6% du test pour prédire la réponse tumorique7, ce qui est sensiblement plus élevé que la littérature publiée sur les tests de chimiosensibilité du CCR 23. Une étude clinique randomisée, incluant 256 patients atteints de Ccr et 13 centres cliniques français est actuellement en cours 8.
La procédure expérimentale Oncogramme ® (Fig. 1) se déroule en moins de 15 jours. Cette intervention débute au jour 1 par la biopsie ou l'excision de la tumeur par un chirurgien. La tumeur excisée est envoyée au laboratoire de pathologie, qui sépare la tumeur en plusieurs parties, dont l'une est dédiée à l'Oncogramme ® . La partie tumorale est placée dans un milieu de conservation avec une formulation propriétaire, qui préserve la viabilité des cellules pendant 48 heures à 4°C, soit le temps nécessaire à la livraison de l'échantillon de l'hôpital au laboratoire. Une fois au laboratoire, la tumeur est dissociée à l'aide d'un milieu propriétaire, permettant une viabilité cellulaire élevée (>80%) et la préservation de la contamination dans plus de 95% des cas. Par la suite, les cellules tumorales obtenues sont cultivées dans un autre milieu propriétaire, permettant la purification de la population cellulaire et son enrichissement. Après culture, les cellules cancéreuses du patient sont mises en contact avec les différentes chimiothérapies, et la mort cellulaire induite est analysée par un système de coloration à double fluorescence. S'ensuit la rédaction d'un rapport présentant le profil de réponse standardisé de la tumeur du patient, permettant ainsi au praticien de choisir le traitement qui s'identifiera comme le plus efficace sur les cellules cancéreuses du patient, avec une prédictivité de 84%.
Figure 1: Vue d'ensemble de la procédure expérimentale Oncogramme ® , de la chirurgie à la lecture. Des échantillons viables ont été récupérés et traités pour obtenir des cultures primaires qui ont ensuite été utilisées pour la réalisation de l'oncogramme par exposition à des médicaments chimiothérapeutiques et analyse de la mort cellulaire. Le cours à temps plein était de moins de 2 semaines
Les résultats de l'Oncogramme sont un diagramme montrant la sensibilité quantitative ou le taux de résistance des cellules tumorales du patient aux différentes chimiothérapies. Sur la Fig. 2, on peut observer à titre d'exemple, les résultats de cellules tumorales résistantes au 5FU + acide folique et sensibles au Folfirinox, au Folfox et au Folfiri. Une sensibilité tumorale maximale est observée avec Folfirinox.
Le point crucial pour l'Oncogramme IVD CRCm est que l'utilisation de ce test fonctionnel permet de passer de moins de 50% de chances de réponse à la chimiothérapie de première ligne22 à 84% de chances7. Ainsi, sans Oncogramme, le patient a une chance hors de la ville de recevoir une chimiothérapie efficace en première ligne 22. En utilisant une thérapie identifiée comme efficace par Oncogramme, le patient a 84% de chances d'avoir un effet7.
Figure 2 : Exemple de résultats graphiques d'Oncogramme
L'Oncogramme est basé sur une plateforme technologique standardisée, utilisable non seulement pour le diagnostic mais aussi pour la recherche, les études précliniques et cliniques, basée sur 3 piliers :
Tout d'abord, une procédure standardisée de traitement des tumeurs.
Deuxièmement, un kit de milieux de culture et de réactifs exclusifs pour l'envoi de l'échantillon, la dissociation et la culture spécifique de cellules cancéreuses primaires.
Enfin, un algorithme propriétaire de comptage automatique en corrélation avec les données cliniques4–7,9.
Ces trois piliers d'Oncogramme permettent d'obtenir plus de 80% de prédictivité7. Cette plateforme technologique a été développée au sein d'Oncomedics pour le CCR, le sein, l'ovaire, le glioblastome, le poumon, et peut être étendue à d'autres cancers.
La prochaine partie de cette note d'application développe comment la haute prédictivité de la plateforme technologique d'Oncogramme peut aider les entreprises pharmaceutiques et biotechnologiques à sécuriser les essais cliniques de phase III en oncologie.
4. Comment Oncogramme peut-il sécuriser les études cliniques de phase III en oncologie ? Exemple pour un nouveau médicament contre le cancer colorectal métastatique
Comme expliqué précédemment, la phase III, en particulier en oncologie, est une étape cruciale dans le processus de développement d'un médicament, car elle représente l'étape la plus coûteuse et nécessite une longue période avant d'observer les résultats. En outre, la phase III compare le nouveau traitement à la norme de soins. En ce qui concerne ce point spécifique, la littérature a souligné combien il est difficile d'identifier, pour un nouveau médicament, une différence statistique par rapport à la norme de soins3. À titre d'exemple, une étude portant sur 1245 essais cliniques en oncologie entre le 1er janvier 2000 et le 31 octobre 2015 a mis en évidence un POS pour la phase III jusqu'à l'approbation de 35,5 % (SE 1,4 %)3. L'utilisation d'un biomarqueur peut améliorer le taux de positivité de la phase III de 33,6 % (SE 1,4 %) sans biomarqueur à 63,6 % (SE 5,5 %) avec un biomarqueur2.
Nous sommes convaincus que, grâce à la haute prédictivité des tests fonctionnels CSRA, il est possible de les utiliser pour améliorer le taux de réussite des essais cliniques en oncologie. Pour cela, nous choisissons un exemple : Utilisation du CRCm Oncogramme pour améliorer la sélection des patients dans un essai clinique de phase III pour un nouveau médicament contre le cancer colorectal métastatique(Fig. 3).
Dans une étude clinique classique portant sur un nouveau médicament anti-CRCm (Fig. 3A), les patients randomisés sont séparés en deux branches. La première branche comprend la moitié des patients randomisés, traités avec le nouveau médicament. La seconde, avec l'autre moitié des patients, est traitée par le traitement standard, Folfox ou Foliri. Si nous décidons d'ajouter 300 patients randomisés à l'étude clinique, 150 patients recevront le traitement standard (Folfox ou FOLFIRI). Comme cela a été publié précédemment, nous observerons une réponse des patients en première ligne dans moins de 50 % des cas22. Ainsi, sur 150 patients traités par FOLFOX ou FOLFIRI, le NR (nombre de patients répondant au médicament) pourrait être de 72. Pour un nouveau médicament, nous testerons également 150 patients. Pour que l'essai clinique soit concluant, le nouveau médicament doit obtenir plus de 50 % de réponses positives. Il y a donc un risque élevé de ne pas obtenir de différence statistique entre les résultats du nouveau médicament et les résultats du traitement standard, et donc de voir l'étude clinique échouer.
Notre proposition, pour améliorer le taux de réussite de cet essai clinique, est d'ajouter un oncogramme sur la branche du nouveau médicament, avant de traiter les patients avec le nouveau médicament (Fig. 3B). Nous choisissons de créer une étude avec 300 patients randomisés, 100 patients sur la branche des soins standards, 200 patients sur la branche du nouveau médicament. Dans cette nouvelle étude clinique, la branche de soins standard, avec FOLFOX et FOLFIRI, reste à moins de 50 % de patients répondeurs22. Si nous traitons 100 patients, environ 48 pourraient avoir un effet médicamenteux réel. En revanche, pour le nouveau médicament, nous pouvons réaliser un oncogramme sur 200 patients randomisés. Cette première étape permettra d'exclure tous les patients qui ne répondent pas au nouveau médicament7. Si l'efficacité du nouveau médicament est de l'ordre de 50 %, la moitié des 200 patients randomisés, identifiés comme des tumeurs non sensibles au nouveau médicament à l'aide de l'oncogramme, seront exclus. Pour cet exemple, nous choisissons d'exclure 104 patients ne répondant pas au nouveau médicament. Ainsi, seuls les patients identifiés comme ayant une tumeur sensible à l'aide de l'Oncogramme, soit 96 patients dans cet exemple, recevront le traitement avec le nouveau médicament. La prédictivité de l'oncogramme pour le cancer colorectal métastatique étant de 84 %7, nous observerons un effet réel du nouveau médicament sur 84 % des patients traités. Donc, quelque chose comme 81 patients répondant pour 96 patients traités. Dans ce cas, nous pouvons identifier une différence statistique réelle par rapport à la norme de soins (moins de 50% des patients répondants pour la norme de soins VS 84% des patients répondants pour le nouveau médicament).
Cet exemple montre qu'Oncogramme améliore considérablement les chances de succès de l'étude clinique en sélectionnant les tumeurs qui répondent au nouveau médicament et en garantissant la phase III de l'essai clinique. Autre avantage majeur, l'utilisation d'Oncogramme réduit considérablement le nombre de patients ne répondant pas au nouveau médicament, qui reçoivent le nouveau médicament sans aucun effet sur leur tumeur, mais avec des effets secondaires du nouveau médicament. Dans l'étude classique, 50% des patients traités par le nouveau médicament reçoivent le nouveau médicament sans effet anti-tumoral. En utilisant Oncogramme, seulement 16% des patients traités par le nouveau médicament reçoivent le nouveau médicament sans effet anti-tumoral.
A
Figure 3A : Étude clinique classique de phase III pour un nouveau médicament contre le cancer du col de l'utérus. Étude clinique de phase III pour un nouveau médicament contre le cancer du col de l'utérus, y compris la sélection des patients sans oncogramme du cancer du col de l'utérus.
B
Figure 3B : Étude clinique classique de phase III pour un nouveau médicament contre le cancer du col de l'utérus. Étude clinique de phase III pour un nouveau médicament contre le cancer du col utérin, y compris la sélection des patients à l'aide de l'oncogramme du cancer du col utérin.
Discussion
Les études cliniques en oncologie sont un processus long et coûteux avec un taux d'échec élevé2. Depuis des années, la stratégie des biomarqueurs, via le Cdx, tente de réduire le taux élevé d'échecs cliniques, liés à un manque d'efficacité clinique (40 à 50 % des échecs des essais cliniques)2. Cette approche, spécifiquement pour la phase III des études cliniques en oncologie, a réussi à augmenter le taux de réussite de 33,6 % sans biomarqueur à 63,6 % avec biomarqueur3. Cependant, le taux d'échec de la phase III reste élevé.
Dans cette note d'application, nous proposons une nouvelle approche pour améliorer le taux de réussite des études cliniques en oncologie : L'utilisation d'un test fonctionnel CoDx CSRA pour améliorer la sélection des patients pendant la phase III des études cliniques en oncologie.
► La haute prédictivité (plus de 80 %)15 des tests fonctionnels du CSRA permet de:
- Sécuriser et augmenter le taux de réussite des études cliniques de phase III en oncologie en sélectionnant, avec une prédictibilité de plus de 80%, les patients répondant à un nouveau médicament.
- Diminuer le nombre de patients, inclus dans un essai clinique de phase III en oncologie, qui reçoivent le nouveau médicament comme traitement sans effet anti-tumoral.
- Augmenter la valorisation du nouveau médicament anti-tumoral avec un CoDx associé
- Travailler au repositionnement des médicaments en identifiant une nouvelle population réceptrice
► Nous sommes convaincus que la plateforme technologique d'Oncogramme est le meilleur candidat CSRA pour votre étude clinique de phase III en oncologie pour les raisons suivantes:
- Oncogramme est une plateforme technologique standardisée et facile à développer, liée à la recherche clinique.
- Prédictivité élevée des résultats d'Oncogramme (plus de 84% de prédictivité)7
- Oncogramme peut prédire l'activité anti-tumorale non seulement pour les chimiothérapies mais aussi pour tous les médicaments ayant un effet direct sur les cellules tumorales (immunothérapie, ADC,...)
- Oncogramme peut prédire les effets synergiques comme la chimiothérapie + la chimiothérapie, ou la chimiothérapie + l'immunothérapie.
- Prêt pour l'essai fonctionnel de la DIV : Cancer colorectal (DIV) ; cancer du sein et de l'ovaire (prêt pour la DIV) ; cancer du poumon, glioblastome, prostate,... (en cours)
- Longue expérience de travail avec des entreprises biotechnologiques et pharmaceutiques
- La recherche et le développement sont effectués en interne dans les laboratoires d'Oncomedics. Les expériences d'Oncogramme sont réalisées dans un grand laboratoire européen de diagnostic clinique.
Références :
(1) Hinkson, I. V.; Madej, B.; Stahlberg, E. A. Accelerating Therapeutics for Opportunities in Medicine: A Paradigm Shift in Drug Discovery. Front. Pharmacol. 2020, 11, 770. https://doi.org/10.3389/fphar.2020.00770.
(2) Sun, D.; Gao, W.; Hu, H.; Zhou, S. Why 90% of Clinical Drug Development Fails and How to Improve It? Acta Pharm. Sin. B 2022, 12 (7), 3049–3062. https://doi.org/10.1016/j.apsb.2022.02.002.
(3) Wong, C. H.; Siah, K. W.; Lo, A. W. Corrigendum: Estimation of Clinical Trial Success Rates and Related Parameters. Biostatistics 2019, 20 (2), 366–366. https://doi.org/10.1093/biostatistics/kxy072.
(4) Loum, E.; Giraud, S.; Bessette, B.; Battu, S.; Mathonnet, M.; Lautrette, C. Oncogramme, a New Individualized Tumor Response Testing Method: Application to Colon Cancer. Cytotechnology 2010, 62 (5), 381–388. https://doi.org/10.1007/s10616-010-9298-5.
(5) Giraud, S.; Loum, E.; Bessette, B.; Fermeaux, V.; Lautrette, C. Oncogramme, a New Promising Method for Individualized Breast Tumour Response Testing for Cancer Treatment. Anticancer Res. 2011, 31 (1), 139–145.
(6) Giraud, S.; Bounaix Morand du Puch, C.; Fermeaux, V.; Guillaudeau, A.; Lautrette, C. Oncogramme Responses of Breast Tumour Cells Treated with Herceptin Correlate with HER2/C-ERB B2 Pathological Status. Anticancer Res. 2012, 32 (4), 1323–1325.
(7) Bounaix Morand du Puch, C.; Nouaille, M.; Giraud, S.; Labrunie, A.; Luce, S.; Preux, P.-M.; Labrousse, F.; Gainant, A.; Tubiana-Mathieu, N.; Le Brun-Ly, V.; Valleix, D.; Guillaudeau, A.; Mesturoux, L.; Coulibaly, B.; Lautrette, C.; Mathonnet, M. Chemotherapy Outcome Predictive Effectiveness by the Oncogramme: Pilot Trial on Stage-IV Colorectal Cancer. J. Transl. Med. 2016, 14, 10. https://doi.org/10.1186/s12967-016-0765-4.
(8) Mathonnet, M.; Vanderstraete, M.; Bounaix Morand du Puch, C.; Giraud, S.; Lautrette, C.; Ouaissi, M.; Tabchouri, N.; Taïbi, A.; Martin, R.; Herafa, I.; Tchalla, A.; Christou, N.; ONCOGRAM trial investigators. ONCOGRAM: Study Protocol for the Evaluation of Therapeutic Response and Survival of Metastatic Colorectal Cancer Patients Treated According to the Guidelines of a Chemosensitivity Assay, the Oncogramme®. Trials 2021, 22 (1), 556. https://doi.org/10.1186/s13063-021-05531-y.
(9) Spreafico, A.; Hansen, A. R.; Abdul Razak, A. R.; Bedard, P. L.; Siu, L. L. The Future of Clinical Trial Design in Oncology. Cancer Discov. 2021, 11 (4), 822–837. https://doi.org/10.1158/2159-8290.CD-20-1301.
(10) Blom, K.; Nygren, P.; Larsson, R.; Andersson, C. R. Predictive Value of Ex Vivo Chemosensitivity Assays for Individualized Cancer Chemotherapy: A Meta-Analysis. SLAS Technol. 2017, 22 (3), 306–314. https://doi.org/10.1177/2472630316686297.
(11) Agarwal, A.; Snyder, G.; Ressler, D. The Current and Future State of Companion Diagnostics. Pharmacogenomics Pers. Med. 2015, 99. https://doi.org/10.2147/PGPM.S49493.
(12) FDA. List of Cleared or Approved Companion Diagnostic Devices (In Vitro and Imaging Tools). https://www.fda.gov/medical-devices/in-vitro-diagnostics/list-cleared-or-approved-companion-diagnostic-devices-in-vitro-and-imaging-tools.
(13) Regulation (EU) 2017/746 of the European Parliament and of the Council of 5 April 2017 on in Vitro Diagnostic Medical Devices and Repealing Directive 98/79/EC and Commission Decision 2010/227/EU (Text with EEA Relevance. ). https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32017R0746.
(14) Valla, V.; Alzabin, S.; Koukoura, A.; Lewis, A.; Nielsen, A. A.; Vassiliadis, E. Companion Diagnostics: State of the Art and New Regulations. Biomark. Insights 2021, 16, 117727192110477. https://doi.org/10.1177/11772719211047763.
(15) Morand du Puch, C. B.; Vanderstraete, M.; Giraud, S.; Lautrette, C.; Christou, N.; Mathonnet, M. Benefits of Functional Assays in Personalized Cancer Medicine: More than Just a Proof-of-Concept. Theranostics 2021, 11 (19), 9538–9556. https://doi.org/10.7150/thno.55954.
(16) Scheerens, H.; Malong, A.; Bassett, K.; Boyd, Z.; Gupta, V.; Harris, J.; Mesick, C.; Simnett, S.; Stevens, H.; Gilbert, H.; Risser, P.; Kalamegham, R.; Jordan, J.; Engel, J.; Chen, S.; Essioux, L.; Williams, J. Current Status of Companion and Complementary Diagnostics: Strategic Considerations for Development and Launch: Options for Companion and Complementary Diagnostics. Clin. Transl. Sci. 2017, 10 (2), 84–92. https://doi.org/10.1111/cts.12455.
(17) Bray, F.; Ferlay, J.; Soerjomataram, I.; Siegel, R. L.; Torre, L. A.; Jemal, A. Global Cancer Statistics 2018: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA. Cancer J. Clin. 2018, 68 (6), 394–424. https://doi.org/10.3322/caac.21492.
(18) Brenner, H.; Kloor, M.; Pox, C. P. Colorectal Cancer. The Lancet 2014, 383 (9927), 1490–1502. https://doi.org/10.1016/S0140-6736(13)61649-9.
(19) Ikoma, N.; Raghav, K.; Chang, G. An Update on Randomized Clinical Trials in Metastatic Colorectal Carcinoma. Surg. Oncol. Clin. N. Am. 2017, 26 (4), 667–687. https://doi.org/10.1016/j.soc.2017.05.007.
(20) Overman, M. J.; McDermott, R.; Leach, J. L.; Lonardi, S.; Lenz, H.-J.; Morse, M. A.; Desai, J.; Hill, A.; Axelson, M.; Moss, R. A.; Goldberg, M. V.; Cao, Z. A.; Ledeine, J.-M.; Maglinte, G. A.; Kopetz, S.; André, T. Nivolumab in Patients with Metastatic DNA Mismatch Repair-Deficient or Microsatellite Instability-High Colorectal Cancer (CheckMate 142): An Open-Label, Multicentre, Phase 2 Study. Lancet Oncol. 2017, 18 (9), 1182–1191. https://doi.org/10.1016/S1470-2045(17)30422-9.
(21) Marcus, L.; Lemery, S. J.; Keegan, P.; Pazdur, R. FDA Approval Summary: Pembrolizumab for the Treatment of Microsatellite Instability-High Solid Tumors. Clin. Cancer Res. 2019, 25 (13), 3753–3758. https://doi.org/10.1158/1078-0432.CCR-18-4070.
(22) Maeda, H.; Khatami, M. Analyses of Repeated Failures in Cancer Therapy for Solid Tumors: Poor Tumor‐selective Drug Delivery, Low Therapeutic Efficacy and Unsustainable Costs. Clin. Transl. Med. 2018, 7 (1). https://doi.org/10.1186/s40169-018-0185-6.
(23) Yoon, Y. S. Recent Applications of Chemosensitivity Tests for Colorectal Cancer Treatment. World J. Gastroenterol. 2014, 20 (44), 16398. https://doi.org/10.3748/wjg.v20.i44.16398.