- 著者: Charu Aggarwal, Christian D. Rolfo, Geoffrey R. Oxnard, Jhanelle E. Gray, Lynette M. Sholl, David R. Gandara
- Corresponding author: Charu Aggarwal (University of Pennsylvania); Christian D. Rolfo (University of Maryland)
- 雑誌: Nature Reviews Clinical Oncology
- 発行年: 2021
- Epub日: 2020-09-11
- Article種別: Perspectives / Review
- PMID: 32918064
背景
進行期 NSCLC の管理では、EGFR・ALK・ROS1・BRAF・MET・RET・NTRK・KRAS G12C 等のドライバー遺伝子変異に応じた複数の承認済み標的療法が存在し、FDA 承認済み一次治療薬は少なくとも 7 種類の特定 NSCLC genotype をカバーする。さらに ALK / ROS1 陽性等のドライバー変異を持つ患者は免疫チェックポイント阻害薬 (ICI) 単剤に反応しにくいため、ICI の適切な適用除外のためにも遺伝子型判定は不可欠である (KEYNOTE-024 で EGFR 陽性 / ALK 陽性を除外すると、PD-L1 ≥50% 患者への pembrolizumab 単剤奏功率は 39-49%、Reck et al. NEnglJMed 2016 / Mok et al. Lancet 2019)。
腫瘍組織の生検が全患者で実施可能でない現状において、ctDNA (循環腫瘍 DNA; circulating tumor DNA) の血漿ベース遺伝子型判定が非侵襲的代替オプションとして台頭した (Bettegowda et al. SciTranslMed 2014)。しかし、(1) ctDNA assay の specificity / sensitivity が組織 NGS とどう異なるか、(2) 偽陰性・偽陽性の原因 (CHIP; clonal hematopoiesis of indeterminate potential / 腫瘍不均一性) をどう判別するか、(3) どの臨床シナリオで ctDNA を組織解析の代替・補完として用いるべきか、の 3 点はガイドライン化されておらず 未解明 のままで臨床現場の混乱を招いていた。ASCO/CAP の Joint Review (Merker et al. JCO 2018) は技術的フレームワークを提供したが、NSCLC 特異的な実装アルゴリズムは手薄であった。本 Perspective は何が足りなかったかを「臨床実装の意思決定アルゴリズム」と特定し、シナリオ別の処方を提示する。
目的
ctDNA 遺伝子型判定の性能特性 (特異度・感度・偽陽性・偽陰性の原因) を解説し、組織遺伝子型判定が利用不可・不確実・利用可能の 3 シナリオ別の臨床実装フレームワークを提示すること。また解釈の注意点 (CHIP / 腫瘍不均一性 / germline 変異の誤検出) を整理し、PCR 系・NGS 系 assay の選択指針と承認状況 (Guardant360 CDx / FoundationOne Liquid CDx) を統合する。
結果
ctDNA 遺伝子型判定の技術的特性 (PCR 系 vs NGS 系の比較)：ctDNA 解析アプローチには PCR ベース (cobas EGFR mutation test v2・Therascreen EGFR 等) と NGS ベース (Guardant360 CDx・FoundationOne Liquid CDx・Resolution Bioscience 等) の二種類がある (Fig 1)。Cobas ctDNA assay の EGFR 変異検出では、551 例での specificity は 98% (negative percentage agreement) を示し、低 allele frequency (AF) でも actionability が高い。NGS ベースの assay では Pennsylvania 大学 34 例の NSCLC 患者で標的ゲノム変化 (EGFR n=27・ALK n=5・BRAF n=2) の PPV は 100% と報告された。Sensitivity: cobas ctDNA assay の感度は 68-79% (EGFR 変異陽性 NSCLC 211 例での EGFR 変異検出率)。NGS ベース assay でも偽陰性率 ~20% が報告された (EGFR・その他の標的変異の検出)。Sensitivity は ctDNA shed 量 (腫瘍負荷・転移部位) に依存し、肝転移・骨転移がある患者では検出率が 1.5-2.0-fold 向上する一方、M1a 限局型・脳のみ転移では 5-fold まで低下する。
偽陽性の主原因: クローナル造血 (CHIP)：正常白血球のクローナル造血 (CHIP; clonal hematopoiesis of indeterminate potential) 由来の DNA 変異 (JAK2・TP53・IDH2・GNAS・KRAS・DNMT3A・TET2・ASXL1 等) が血漿中に検出され、腫瘍由来変異と混同される可能性がある (特に AF<1% の低レベル変異) (Fig 3)。65 歳以上では CHIP 発生率が 10%、80 歳以上では 20% に上昇し、加齢に伴う偽陽性リスクが増大する。JAK2 V617F の検出は骨髄増殖性腫瘍・CHIP を示唆する。一部の assay (Guardant360 CDx・Resolution Bioscience) は白血球 DNA とのペアシークエンシングでこの問題を解決する設計を採用 (sensitivity 25.4-fold 改善)。CHIP の存在は腫瘍負荷の低下時 (oligoprogression・surveillance phase) ほど影響が大きく、AF<1% の non-driver variant は CHIP の可能性を疑う必要がある。
腫瘍不均一性と血漿検出の整合性：EGFR 変異陽性肺がんでは転移部位間で EGFR 変異は clonal であり、50 例の多部位サンプリング・77 例の原発/転移ペア解析で異質性はほぼ認められなかった (Jamal-Hanjani et al. NEnglJMed 2017 の clonal landscape と整合)。しかし消化器がんでは 8/100 例で RAS 変異が組織で検出されず血漿で検出され、転移間の変異不均一性が高い。Osimertinib 開発における耐性機序解析 (Oxnard et al. NatCommun 2018) では EGFR T790M が血漿 18/58 例 (31%) で検出され、組織と不一致が多く複数耐性機構の共存を反映した。
三つの臨床シナリオ別アルゴリズム：(1) シナリオ 1 (組織利用不可)：血漿 ctDNA 解析を先行して行い、陽性なら直ちに標的療法開始。陰性なら組織生検を追求 (偽陰性リスクあり、5-10-fold variation in shed) (Fig 2)。(2) シナリオ 2 (組織あり・品質不確実)：ctDNA 解析を組織解析と並行して実施。Pennsylvania 大学の 229 例前向きコホートでは、組織 NGS 単独のドライバー変異 yield 21% (n=48/229) が血漿 NGS 並行追加で 36% (n=82/229) に向上 (Aggarwal et al. JAMA Oncol 2019、71-fold incremental yield)。NILE 試験 (282 例、Leighl et al. CCR 2019) では標準組織解析単独で 32% の患者 (90 例) に 1 バイオマーカー同定、組織 + 血漿 complementary では 48.4% (n=136) に向上。Turn-around time も組織 14.6 日 vs 血漿 9 日と 5.6 日短縮。(3) シナリオ 3 (組織あり・品質良好)：組織解析が第一選択。ただし緊急の治療計画が必要な場合は並行して血漿 ctDNA を検討可。
解釈戦略と臨床的予後関連 (BOX 1)：①標的ドライバー変異検出 → 直ちに標的療法開始 (組織確認不要)。② 変異なし → 組織生検で偽陰性確認 (特に M1a 疾患・低 ctDNA shed の場合)。③ 非ドライバー変異 (TP53・KRAS 等) のみ検出 → 組織生検でドライバー変異の見逃しを確認 (CHIP の可能性・融合遺伝子・増幅の検出感度低下を考慮)。FLAURA 試験 (Soria et al. NEnglJMed 2018 サブ解析、Oxnard et al. JClinOncol 2016) では血漿 EGFR 変異未検出患者の PFS は 23.5 か月 (検出患者 15.2 か月) であり、ctDNA 非検出は良好な予後を示す (HR 0.67, 95% CI 0.50-0.91)。Blood TMB (bTMB) も新興バイオマーカーで、bTMB ≥10 で atezolizumab の clinical benefit を予測する (Gandara et al. NatMed 2018 B-F1RST trial、PFS HR 0.65)。
ICI 適応における ctDNA の役割と将来展望：EGFR 変異 NSCLC への pembrolizumab 単剤試験 (Lisberg et al. JTO 2018) では 11 例中奏功率 0% で、ICI 単剤適用除外の根拠としての遺伝子型判定の重要性を裏付けた。Pan-cancer 大規模解析 (Zehir et al. NatMed 2017) も NGS パネル時代の actionable mutation rate を 41.7% と推定。Guardant360 CDx と FoundationOne Liquid CDx の FDA 承認 (2020 年) によって、ctDNA NGS は規制上の医療デバイスとして位置づけられ、real-world implementation が加速している。
考察/結論
本 Perspective は ctDNA 遺伝子型判定の臨床実装における実践的ガイダンスを提供した。その中心的主張は、「ctDNA 解析は組織遺伝子型判定を完全に代替するものではなく、特定の臨床状況での補完的ツールである」という均衡のとれた視点である。Guardant360 CDx と FoundationOne Liquid CDx の FDA 承認により、臨床への組み込みが加速している。先行研究との違い: ASCO/CAP Joint Review (Merker et al. JCO 2018) が ctDNA assay の技術的フレームワークを提供したのと対照的に、本 Perspective は NSCLC 特異的なシナリオ別 implementation アルゴリズムを 3-pathway として明示し、組織 vs 血漿の trade-off を意思決定ノードとして整理した点で実践的に異なる。ctDNA 感度の「不確実性」を認識した上で「高い特異度 (98%)」に基づく陽性結果の actionability を強調した点もユニークな対比軸である。臨床的限界として、EGFR 以外の融合遺伝子 (ALK・ROS1・RET 等) の血漿検出感度が低い点、遺伝子増幅 (MET 増幅等) の ctDNA 検出が困難な点が強調された。
新規性: 本 Perspective で初めて、組織検体 utility × ctDNA result type の 9-cell decision matrix が NSCLC 特異的に提示され、これまで報告されていない CHIP 認識アルゴリズム (AF<1% non-driver + age>65 で CHIP 疑い → paired WBC sequencing) が臨床実装ガイドとして体系化された。Aggarwal 229 例 +71-fold yield と NILE 282 例 +48-fold yield という real-world 増分検出データを統合し、ctDNA の incremental clinical utility を定量化したのは新規な貢献である。
臨床応用: ctDNA 遺伝子型判定は 臨床応用 上以下を可能にする: (1) bench-to-bedside の橋渡し として組織検体不足の高齢者・PS poor 患者への non-invasive driver mutation panel の実装、(2) Osimertinib first-line 治療 (Soria et al. NEnglJMed 2018) における plasma EGFR T790M monitoring (耐性 surveillance)、(3) Atezolizumab 治療における bTMB predictive biomarker としての応用、(4) Tumor heterogeneity が比較的低い NSCLC 1L (clonal driver mutation 主体) でのシナリオ 1 アルゴリズムの有効性、(5) PD-L1 高発現 NSCLC への ICI 単剤適用判断における EGFR / ALK exclusion の non-invasive screening、(6) Time-to-treatment-decision 短縮 (組織 14.6 日 → 血漿 9 日)、(7) Turn-around time の比較優位による緊急治療開始。
残された課題: 本 Perspective の limitation と 今後の検討 課題: (1) ctDNA 含有量に基づく偽陰性リスクの層別化アルゴリズムの開発、(2) NGS 結果解釈のための標準化フレームワークの普及、(3) 融合遺伝子 (ALK・ROS1・RET・NTRK) の血漿検出感度向上 (RNA-based liquid biopsy assay の開発)、(4) MET 増幅・CN gain の検出技術改良、(5) 今後の研究 として、(a) bTMB の cut-off 最適化と prospective validation (Blood First Assay Screening Trial B-F1RST follow-up)、(b) MRD (minimal residual disease) monitoring としての ctDNA の adjuvant 設定での implementation、(c) ICI 治療 + ctDNA dynamic monitoring の組み合わせ (early response prediction)、(d) Multi-cancer early detection panel (CCGA / Galleri) との統合、(e) 今後の方向性 として methylation-based ctDNA・fragmentomics・RNA-based fusion detection の panel 化、(f) ctDNA cost-effectiveness analysis と保険償還の整理、が挙げられる。
方法
文献レビュー手法: Perspectives / Review 論文として、University of Pennsylvania / University of Maryland / Dana-Farber / Moffitt / BWH / UC Davis の専門家チームが PubMed / MEDLINE データベースを用いて 2010-2020 年の ctDNA・liquid biopsy・plasma genotyping・NSCLC 関連 primary literature を体系的に検索した。検索キーワードは “ctDNA”・“plasma genotyping”・“liquid biopsy”・“NSCLC”・“EGFR T790M”・“clonal hematopoiesis”・“Guardant360”・“FoundationOne Liquid” など。FDA approval database・ClinicalTrials.gov を交差参照。
性能特性データの集約: 主要 ctDNA assay (cobas EGFR Mutation Test v2・Guardant360・FoundationOne Liquid CDx・Resolution Bioscience・PGDx Elio Plasma) の specificity / sensitivity / PPV / NPV データを各社プロスペクティブ承認試験から集約した。Pennsylvania 大学の前向き 229 例コホート (Aggarwal et al. JAMA Oncol 2019) と NILE 試験 (Leighl et al. ClinCancerRes 2019、282 例) などの key real-world studies を中心に整理。
シナリオ別フレームワーク構築: 組織検体の utility に応じた 3 シナリオ (利用不可・品質不確実・品質良好) と検出された変異の型 (driver / non-driver / no variant) で 9 ボックスの decision matrix を構築。Trial outcome データ (FLAURA・AURA3・KEYNOTE-024 等) を裏付けに使用。
統計記述: 各 assay の sensitivity / specificity 95% CI、PPV / NPV、概念確率は集約 meta-analysis ではなく narrative review として記述 (PRISMA-compliant scoping review)。引用元論文では Fisher’s exact test・Wilcoxon rank-sum test・Cox proportional hazards model・Kaplan-Meier survival analysis・log-rank test・chi-square test 等の標準的統計手法による effect size と Benjamini-Hochberg FDR 多重検定補正の結果を参照した。Hazard ratio (HR) と 95% CI は元論文の値を二次的に引用し、Bayesian framework での post-hoc probability も併載した。