Verso metodi di punteggio del microambiente tumorale per la risposta agli inibitori dei checkpoint immunitari

Perché prevedere la risposta ai farmaci oncologici è importante

Gli inibitori dei checkpoint immunitari rappresentano una nuova classe di farmaci antitumorali in grado di liberare le difese proprie dell’organismo contro i tumori, talvolta provocando remissioni drammatiche e durature. Tuttavia solo una frazione dei pazienti trae beneficio, mentre altri sopportano effetti avversi senza miglioramenti significativi. Questo articolo pone una domanda pratica dalle conseguenze potenzialmente vitali: possiamo usare l’“impronta” molecolare del tumore e dei tessuti circostanti per attribuire un punteggio alla probabilità che un paziente risponda a questi trattamenti prima ancora dell’inizio della terapia?

Prendere il polso del quartiere tumorale

Ogni tumore è inserito in un quartiere affollato di cellule tumorali, vasi sanguigni, cellule immunitarie e tessuto di supporto, collettivamente chiamato microambiente tumorale. Gli autori si concentrano su metodi che convertono questo ambiente complesso in punteggi numerici usando misure di attività genica derivate da RNA-seq bulk, una tecnologia che legge quali geni sono attivi o spenti in un campione tumorale. Riesaminano e rianalizzano 17 di questi sistemi di punteggio, molti dei quali catturano aspetti diversi del paesaggio immunitario—quante cellule T citotossiche sono presenti, se le cellule immunitarie sono attive o esauste, o quanto tessuto stromale simile a cicatrice circonda il tumore. Questi punteggi mirano a prevedere chi risponderà agli inibitori dei checkpoint immunitari in diversi tumori, inclusi melanoma, polmone, vescica, testa e collo e rene.

Come lo studio ha messo alla prova questi punteggi

Per confrontare in modo equo metodi sviluppati da diversi gruppi di ricerca, gli autori hanno raccolto dati da molteplici studi clinici in cui i pazienti avevano ricevuto inibitori dei checkpoint immunitari e si era eseguito il sequenziamento dell’RNA tumorale. Hanno costruito ampi dataset combinati—for example, unendo quattro studi sul melanoma e diversi coorti con tumori misti—e hanno anche esaminato singoli tipi di tumore separatamente. Poiché ogni studio impiegava protocolli di laboratorio leggermente diversi, hanno prima corretto gli “effetti batch” in modo che differenze tecniche non venissero scambiate per biologia. Hanno quindi posto due domande principali per ciascun punteggio: quanto bene distingueva i responder dai non-responder, e quanto bene prediceva la sopravvivenza dei pazienti dopo il trattamento?

Ciò che ha funzionato, ciò che ha aiutato e ciò che è rimasto indietro

L’analisi ha rivelato un quadro sobrio ma informativo. Alcuni punteggi hanno funzionato ragionevolmente bene in contesti specifici: ad esempio, misure dell’attività citolitica, ovvero di uccisione cellulare, delle cellule T (chiamate CYT1 e CYT2) e un punteggio focalizzato sulla disfunzione (TIDE) sono risultati particolarmente informativi nel melanoma. Un semplice rapporto tra due geni che cattura il comportamento dei macrofagi, noto come CS Polarity, è emerso come il migliore nel grande gruppo con tumori misti, mentre una signature genica di “tumore caldo” denominata TIP Hot si è dimostrata costantemente utile in diversi tumori, in particolare vescica, polmone e testa e collo. Un altro punteggio, IS_immune, che riflette l’attività immunitaria complessiva, ha predetto bene la sopravvivenza sia nel cancro della vescica sia nel più ampio dataset TCGA non trattato con immunoterapia. Tuttavia, quando tutti i punteggi sono stati confrontati fianco a fianco, la loro capacità di prevedere la risposta o la sopravvivenza è risultata generalmente modesta, e nessun metodo singolo si è dimostrato affidabilmente forte in tutti i tipi di tumore.

Tumori caldi, tumori freddi e i limiti degli score attuali

Gli autori hanno osservato che i punteggi tendevano a funzionare meglio nei cosiddetti tumori “caldi”—quelli già infiltrati da numerose cellule immunitarie attive, come il melanoma, alcuni tumori polmonari, tumori di testa e collo e tumori uroteliali (vescica). Al contrario, nei tumori “freddi”, come molti tumori renali, dove le cellule immunitarie sono scarse o soppresse, tutti i punteggi esistenti hanno avuto difficoltà. Anche quando alcune misure mostravano differenze statisticamente significative tra responder e non-responder, il loro potere predittivo nel mondo reale rimaneva debole. Lo studio evidenzia anche perché firme ristrette possono fallire: punteggi costruiti attorno a un unico tipo cellulare o a una singola via possono perdere fattori contestuali importanti, come il grado di esaurimento delle cellule T o i modi in cui il tumore ha evoluto meccanismi per disattivarle. D’altro canto, modelli estremamente grandi e complessi rischiano overfitting e possono avere prestazioni scadenti quando applicati a nuovi gruppi di pazienti.

Dove lascia pazienti e ricerca futura

Per pazienti e clinici, il messaggio chiave è di ottimismo cauto. I punteggi del microambiente tumorale catturano già segnali biologici significativi, e alcuni—come TIP Hot, CS Polarity, TIDE e IS_immune—mostrano potenziale in tumori specifici. Ma non sono ancora abbastanza accurati, né abbastanza universali, per fungere da test autonomi per decidere chi dovrebbe ricevere inibitori dei checkpoint immunitari. Gli autori sostengono che i progressi futuri richiederanno dataset più grandi e diversificati, modi più intelligenti per ridurre la complessità dei dati genici, migliore integrazione di fattori clinici e altri biomarker (come esami del sangue e dati sul microbioma), e modelli che tengano conto dell’evoluzione temporale del tumore. Con questi progressi, il punteggio del microambiente tumorale potrebbe diventare uno strumento potente per abbinare i pazienti all’immunoterapia giusta e risparmiare agli altri trattamenti inefficaci.

Citazione: Zhou, Q., Kirshtein, A. & Shahriyari, L. Towards the tumor microenvironment scoring methods for immune checkpoint inhibitor response. npj Precis. Onc. 10, 88 (2026). https://doi.org/10.1038/s41698-025-01221-z

Parole chiave: microambiente tumorale, risposta all’immunoterapia, inibitori dei checkpoint immunitari, punteggi di espressione genica, tumori caldi e freddi