4 L’évaluation des marqueurs prédictifs
4.1 Etudes « treament only » , valeur pronostique sous traitement
4.1.1 Principe des études « treatment only »
4.1.2 Sensibilité au biais de publication
4.2 Études évaluant la valeur prédictive d’un marqueur
4.2.1 Analyses en sous-groupes exploratoires
4.2.1.1 Limites méthodologiques de l’approche exploratoire
4.2.1.2 Retour sur les limites des analyses « treatment only »
4.2.1.3 Limites de la recherche post hoc de marqueurs prédictifs
4.2.2 Analyses en sous-groupes de confirmation
4.2.3 Le design d’interaction biomarqueur-traitement
4.2.3.3 Inconvénients, limites
5 La personnalisation sur le risque de base
7 L’évaluation de l’utilité clinique par les essais de stratégie
Souvent l’hypothèse qu’un biomarqueur pourrait être un marqueur prédictif du bénéfice est formulée après la réalisation du ou des essais pivots du traitement concerné. Elle émerge alors que ces essais ont déjà démontré le bénéfice du traitement sur une population de patients non sélectionnés sur ce candidat biomarqueur (« all comers »). S’il est possible de déterminer à postériori le statut des patients de l’essai vis-à-vis de ce marqueur candidat, la recherche de sa valeur prédictive est alors envisagée à postériori, de manière rétrospective à partir de ces données.
Par exemple pour les marqueurs génétiques, cette détermination à postériori est possible si du matériel biologique des patients de l’essai a été conservé. Si le candidat marqueur est de nature biologique, sa valeur est peut-être déjà dans les fichiers des données individuelles des patients de l’essai.
Cette recherche à postériori va prendre la forme d’une réanalyse en sous-groupe des données de l’essai en fonction de la présence ou de l’absence note n° 13 du marqueur.
Exemple d’analyse en sous-groupe à postériori
L’essai ATTRACTION-2 démontre que le nivolumab augmente la survie chez des patients ayant un cancer de l’estomac avancé en 3me ligne ou plus. Une analyse post hoc a été réalisée pour évaluer plusieurs candidats marqueurs prédictifs. [58] .
“This study is a subset analysis with patients enrolled in the ATTRACTION-2 study … This study aimed to investigate the predictive values of potential biomarkers such as tumor PD-L1 expression, tumor MSI status, tumor EBV infection, TMB, blood NLR, and serum Na to provide objective guidance in identifying patients with clinical benefits to nivolumab.”
“Conclusion: Tumor PD-L1 expression, blood NLR, and serum Na could be predictive biomarkers for the efficacy of nivolumab in previously treated cases of AGC.”
[13] Le plus souvent il a binarisation du marqueur même si celui-ci a une valeur continue à l’origine dans le but d’obtenir un outil simple en pratique. S’il n’y a pas binarisation l’analyse prend alors la forme d’une recherche d’interaction marqueur*traitement dans une modélisation des données.
