Prawidłowe fukcjonowanie grasicy jako biomarker odpowiedzi na immunoterapię
2. Thomas CG, et al. Association of thymectomy with mortality and cancer incidence. N Engl J Med. 2023;389:406–417.
3. HARVARD-NSCLC and HARVARD-PAN study groups. AI-derived assessment of thymic health as a predictor of immunotherapy outcomes. Cancer Research. 2025 (in press).
4. TRACERx Consortium. Thymic output and T-cell receptor diversity as correlates of thymic health in NSCLC. J Clin Oncol. 2025 (abstract data).
| Tagi: | grasica, biomarker, biomarkery, immunoterapia |
Podczas kongresu ESMO 2025 zaprezentowano wyniki przełomowego badania sugerującego, że prawidłowe funkcjonowanie grasicy może stanowić nowy, uniwersalny biomarker rokowniczy w onkologii, niezależny od typu nowotworu. Analiza oparta na algorytmie sztucznej inteligencji (AI) wykazała, że zachowana fukcjonalność grasicy wiąże się z istotnie lepszymi wynikami leczenia immunoterapią w różnych typach nowotworów.
Grasica, organ odpowiedzialny za dojrzewanie limfocytów T, odgrywa zasadniczą rolę w utrzymaniu równowagi immunologicznej. W rutynowej praktyce onkologicznej nie jest jednak oceniana – z wyjątkiem sytuacji, gdy stanowi potencjalne ognisko pierwotnego nowotworu. Jak wyjaśnia prof. Alessandra Curioni-Fontecedro z Uniwersytetu we Fryburgu, dotychczas brakowało biomarkerów pozwalających ocenić ogólną kondycję układu odpornościowego pacjenta. Posiadamy markery związane z guzem, takie jak ekspresja PD-L1, ale nie dysponujemy wskaźnikiem globalnego zdrowia immunologicznego, który mógłby przewidywać skuteczność immunoterapii.
Zainteresowanie funkcją grasicy w onkologii wzrosło po publikacji w „The New England Journal of Medicine” (2023;389:406–417), która wykazała, że usunięcie tego narządu wiąże się ze zwiększoną śmiertelnością ogólną i wyższym ryzykiem rozwoju nowotworów.
W prezentowanym badaniu (abstrakt 108O) naukowcy opracowali model głębokiego uczenia (deep learning) do ilościowej oceny „zdrowia grasicy” na podstawie standardowych tomografii komputerowych (CT). Model trenowano na dużej kohorcie obejmującej 5674 pacjentów. Oceniana w ten sposób kondycja grasicy stanowiła radiograficzny wskaźnik jej funkcjonalności i potencjalnej zdolności do wytwarzania dojrzałych limfocytów T.
W kohorcie HARVARD-NSCLC, obejmującej 1218 chorych na niedrobnokomórkowego raka płuca (NSCLC, non-small cell lung cancer) leczonych immunoterapią, wysoka ocena zdrowia grasicy wiązała się z istotnie lepszymi wynikami. Mediana przeżycia wolnego od progresji (PFS, progression-free survival) była dłuższa w grupie z prawidłową funkcją grasicy (HR = 0,63; 95% CI: 0,50–0,80; p < 0,001), podobnie jak przeżycie całkowite (OS, overall survival) – HR = 0,56; 95% CI: 0,43–0,74; p < 0,001.
Co istotne, zależności te utrzymywały się niezależnie od poziomu ekspresji PD-L1 (programmed death-ligand 1) oraz obciążenia mutacyjnego nowotworu (TMB, tumour mutational burden) – parametrów dotychczas najczęściej używanych do oceny odpowiedzi na immunoterapię.
W celu walidacji biologicznej wyników badacze przeanalizowali niezależną kohortę TRACERx, obejmującą 464 pacjentów z NSCLC po leczeniu chirurgicznym. W tej grupie wysoka ocena z prawidłową funkcji grasicy korelowała z większym wyrzutem komórek T z grasicy (thymic output), większą różnorodnością receptorów komórek T (T-cell receptor diversity) oraz wyższym odsetkiem limfocytów T w krwi obwodowej (T-cell fraction) – co potwierdzało rzeczywiste znaczenie funkcjonalne tego biomarkera.
Dodatkowo, w analizie obejmującej wiele nowotworów (HARVARD-PAN, n = 2258) korzystny wpływ z prawidłowej funkcji grasicy potwierdzono w czerniaku, raku piersi oraz raku nerki (p ≤ 0,020). Wyniki te sugerują, że funkcja grasicy może stanowić uniwersalny biomarker odpowiedzi na immunoterapię, niezależny od typu nowotworu.
Zdaniem prof. Curioni-Fontecedro zaprezentowane wyniki dostarczają silnych przesłanek, że ocena grasicy mogłaby zostać włączona do rutynowych analiz obrazowych, stanowiąc nieinwazyjny biomarker predykcyjny i prognostyczny. Konieczne są jednak prospektywne badania kliniczne, które potwierdzą, czy włączenie tego parametru do praktyki onkologicznej realnie przełoży się na lepsze decyzje terapeutyczne i wyniki leczenia.
