La réunion annuelle de la Société américaine d’hématologie (ASH) est considérée comme le congrès le plus important au monde sur les maladies hématologiques. Des experts internationaux ont à nouveau échangé en décembre 2022 sur les résultats actuels de la recherche et les principales innovations en matière de diagnostic et de traitement. Un large éventail de sujets hématologiques a été abordé, de la classification à l’intelligence artificielle en passant par la génétique.
vers des faiseurs de pronostics.
Selon la nouvelle classification des néoplasies hématologiques de l’OMS, la génétique joue un rôle de plus en plus important. C’est pourquoi les définitions basées sur la génétique sont considérées comme essentielles. Par exemple, les changements de TP53 résultant d’une délétion, d’une mutation ou d’une perte d’hétérozygotie copie-neutre doivent être pris en compte. On peut distinguer un single-hit (sh) ou un double-hit (dh ; deux ou plus de deux changements). Dans une étude de cohorte portant sur 1520 patients atteints de SMD et de LAM, le TP53dh a été identifié comme le facteur pronostique le plus important [1]. Les cas de SMD avec <5% de blastes se distinguent des cas de SMD avec ≥5% de blastes et des cas de LAM par la prédominance de TP53sh et par le fait qu’ils sont le seul sous-groupe dans lequel un caryotype complexe (CK) a montré un impact négatif indépendant sur la survie globale OS. Ainsi, la présence d’une CK joue généralement un rôle pronostique mineur. Les autres sous-groupes (SMD ≥5%, <10% de blastes ; ≥10%, <20% de blastes ; LAM) présentaient un certain nombre de points communs, car la TP53dh est présente à une fréquence élevée et seule la TP53alt, et non une CK, influence indépendamment l’OS. Dans l’ensemble de la cohorte, TP53dh était le facteur pronostique le plus fort ; toutefois, le nombre de blastes influence également la SG, indépendamment du statut allélique de TP53.
Le facteur temps dans les récidives de LAM
Bien que la plupart des patients atteints de leucémie myéloïde aiguë (LMA) nouvellement diagnostiquée obtiennent une rémission complète (RC) après une chimiothérapie d’induction, la plupart d’entre eux subissent ensuite une rechute. Des études antérieures ont montré l’importance de plusieurs facteurs pronostiques pour la survie sans récidive, notamment l’âge, la cytogénétique, les antécédents hématologiques (AHD) et les traitements anticancéreux antérieurs. Cependant, l’évaluation de la réponse au traitement prend aujourd’hui en compte des facteurs supplémentaires tels que le statut de la maladie résiduelle mesurable (MRD), le temps de récupération du compte et le type de rémission (CR vs. CR avec récupération incomplète du compte [CRi]). Chez les patients en rémission complète, l’impact de variables supplémentaires sur la réponse initiale a été étudié en termes de rechutes ou de décès à différents moments jusqu’à trois ans, un moment après lequel les rechutes de LAM sont très rares [2].
Sur 972 patients ayant un diagnostic confirmé de LAM ou d’un autre néoplasme myéloïde de haut grade (≥10% de blastes), 656 ont obtenu une rémission morphologique (CR ou CRi) et ont été inclus dans l’analyse. Les critères d’évaluation primaires étaient la survie sans rechute à 1, 2 ou 3 ans. L’âge moyen au moment du diagnostic était de 60 ans. Une LAM de novo a été identifiée chez 373 patients (57%), le reste étant un mélange de LAM antécédente et de LAM induite par le traitement. La classification du risque ELN2017 était favorable chez 181 patients (28%), intermédiaire chez 206 (41%) et défavorable chez 203 (31%). La plupart des patients ont reçu un traitement d’induction d’intensité élevée ou moyenne (88%). Après l’induction, 540 patients (82%) ont obtenu une RC et 116 patients (18%) une RCi. Une MRD après le traitement d’induction a été observée chez 173 patients (26%). Dans l’analyse multivariable, l’âge, le type de rémission (CRi) et le statut MRD étaient les plus forts prédicteurs de la survie sans rechute aux années 1, 2 et 3. Dans le modèle pour l’année 3, CR MRD+ après induction était associé à la plus forte diminution de la probabilité de survie sans rechute. La survie sans récidive à 3 ans (RFS) était de 18,5% pour les patients MRD+ contre 36,4% pour les patients MRD-. En fin de compte, la catégorie de rémission (CR vs CRi), le statut de MRD et l’âge ont été identifiés comme les prédicteurs les plus forts de la survie sans rechute à 1, 2 ou 3 ans après l’induction chez les patients atteints de LMA et d’autres néoplasies myéloïdes de haut grade.
Paysage de la pathologie à cellule unique
Le lymphome diffus à grandes cellules B est une maladie hétérogène avec des modèles établis de caractéristiques moléculaires et génétiques récurrentes. Cependant, jusqu’à présent, on sait peu de choses sur la composition cellulaire des tumeurs DLBCL et sur la biologie sous-jacente du microenvironnement tumoral (TME). La cytométrie de masse par imagerie a donc été utilisée pour quantifier simultanément deux groupes de 34 marqueurs protéiques dans des coupes en série de tissus tumoraux [3]. Au total, 57 marqueurs uniques identifiant les principales lignées cellulaires (CD3, CD20, PDPN, CD68, etc.), les fonctions immunitaires (IDO, PD1, granzyme B, etc.) et les phénotypes tumoraux (IRF4, BCL6, p53, etc.) ont été quantifiés en résolution de cellule unique dans 545 noyaux tumoraux de 328 tumeurs primaires DLBCL.
L’analyse de clustering de cellules individuelles et de communautés de cellules a permis d’identifier 27 types de cellules différents et 19 communautés de cellules avec 5 modèles globaux de composition et de structure tumorale. Les microenvironnements “froids”, c’est-à-dire les tumeurs pauvres en cellules immunitaires et stromales infiltrantes, étaient les plus fréquents et représentaient 35,1% des tumeurs illustrées. Les ETM “cytotoxiques” (20,7%) étaient significativement enrichies en cellules T CD8 exprimant le granzyme B et LAG3, ainsi qu’en macrophages M2-like CD163+ exprimant IDO et S100A9. Les tumeurs “stromales” (21,3%) étaient enrichies en stroma positif pour le PDPN et en macrophages de type M1. Indépendamment de cela, il a également été constaté que 98% des cas avec des noyaux tumoraux répliqués ne présentaient pas de différences statistiquement significatives dans la composition de la tumeur entre les noyaux.
L’analyse multivariée des risques proportionnels de Cox a révélé que les clusters TME étaient significativement associés à la survie globale et à la survie sans progression. En particulier, il a été constaté que les TME cytotoxiques présentaient les résultats cliniques les plus défavorables, tandis que les tumeurs froides présentaient une légère tendance à une moins bonne survie.
Au total, 23 marqueurs phénotypiques des populations de cellules B malignes ont été analysés afin d’établir des liens avec le TME. Les cellules B malignes dans les ETM cytotoxiques présentaient une augmentation significative de l’expression du CMH-I, du PD-L1 et de la vimentine, et étaient enrichies en DLBCL de type ABC. Les TME froids avaient un indice de prolifération BCL2 et Ki67 significativement plus élevé et une expression du CMH-I plus faible. Les TME stromales étaient enrichies en DLBCL de type GCB.
Pris ensemble, ces résultats suggèrent que les EME froids et cytotoxiques peuvent représenter une dichotomie de deux voies différentes vers une maladie agressive – soit un dysfonctionnement immunitaire extrême (cytotoxique), soit un contournement (froid). L’identification de la composition de l’ETM chez les patients améliorera la stratification et pourrait fournir un contexte utile pour l’environnement des thérapies immunologiques actuellement à l’étude pour le traitement du DLBCL.
Architecture de la tumeur dans le myélome multiple
Les aspects spatiaux de l’immunoinfiltration ont été largement étudiés dans le contexte des tumeurs solides et sont liés à la réponse à l’immunothérapie. Les approches basées sur l’immunité ont commencé à modifier le paysage thérapeutique des hémopathies malignes telles que le myélome multiple (MM) et ses précurseurs, la gammapathie monoclonale de signification indéterminée (MGUS) et le myélome couvant (SMM). Le microenvironnement immunologique de la moelle osseuse (BM) a été étudié en détail dans ces cas avec des analyses de cellules individuelles d’aspirants BM. Cependant, l’analyse des schémas spatiaux d’infiltration tumorale/immunitaire dans les biopsies de trépanation et les mécanismes sous-jacents sont mal connus. Par conséquent, des analyses spatiales à haute dimension ont été combinées à l’apprentissage automatique pour analyser les biopsies BM de patients atteints de MM, MGUS et SMM nouvellement diagnostiqués. Les mécanismes qui sous-tendent l’infiltration des cellules T dans la tumeur ont été étudiés à l’aide de modèles in vitro. Les modèles de croissance des cellules tumorales et les mécanismes sous-jacents à l’infiltration des cellules T spécifiques des néoantigènes ont également été étudiés avec le modèle de souris humanisée MISTRG6 [4].
Les biopsies MM, mais pas les biopsies MGUS, ont montré un schéma multifocal de croissance tumorale. Dans le cas du MM, on a observé des amas denses de cellules tumorales qui semblaient former des régions d’exclusion des lymphocytes T. Les cellules tumorales ont été identifiées comme étant des cellules de la tumeur. Par rapport aux MGUS, les biopsies de MM ont montré une densité plus faible de cellules T de type souche TCF1+, une proportion plus élevée de cellules T effectrices CD8+ Granzym B+ et une expression accrue de cellules myéloïdes. La croissance multifocale du MM, mais pas du MGUS, a été reproduite chez des souris MISTRG6 humanisées. Cela suggère qu’il s’agit d’une propriété intrinsèque liée à la malignité.
Conformément aux données de l’IHC, les tumeurs du MM étaient résistantes à l’invasion des cellules T dans les modèles in vitro. L’activation préalable des cellules T a entraîné une infiltration accrue des cellules T et a été obtenue de manière optimale après une stimulation anti-CD3/CD2/CD28. L’intrusion des cellules T nécessitait également une interaction CD2/CD58 et a été annulée par l’interruption de ces interactions. Les cellules T spécifiques des néoantigènes reconnaissent facilement les cellules MM en culture. Cependant, l’entrée de cellules T spécifiques d’un néoantigène dans des clusters de tumeurs MM exprimant un antigène était spécifique de l’antigène et nécessitait une stimulation in situ avec des cellules dendritiques présentant l’antigène (DCs). Après transfert dans des souris humanisées, les cellules T spécifiques des néoantigènes peuvent être facilement localisées sur la tumeur. Cependant, l’entrée de ces cellules T dans des masses tumorales exprimant des antigènes in vivo dépend à son tour des DC associés à la tumeur.
L’intelligence artificielle au travail
L’intelligence artificielle est de plus en plus présente dans le domaine de la médecine, que ce soit pour faciliter les processus de travail ou pour vérifier les diagnostics. Les néoplasmes hématopoïétiques, par exemple, sont diagnostiqués par une combinaison de différentes méthodes. Ils nécessitent un équipement complexe et des scientifiques et techniciens de laboratoire clinique hautement qualifiés, ce qui augmente à la fois les délais et les coûts. Aujourd’hui, un classificateur basé sur le web a été développé pour reconnaître 33 néoplasmes hématopoïétiques différents et du sang périphérique/moelle osseuse normal. Pour évaluer les performances du modèle, 325 échantillons ont été séquencés de manière prospective, à la fois avec WGS et WTS sur des instruments NovaSeq [5]. Les variants mononucléotidiques (SNV), les variants structurels (SV) et les variations du nombre de copies (CNA) ont été extraits des données WGS avec un pipeline sans tumeur normale, ainsi que les fusions de gènes (GF) et l’expression des gènes (GE) à partir de WTS. Les SNV ont été filtrés à l’aide de bases de données courantes. Parallèlement, un diagnostic de routine définitif et indépendant a été établi sur la base des procédures de l’étalon-or (GST) conformément aux directives de l’OMS.
L’accent a été mis sur les cas de LAM et de LAL pour la comparaison directe dans cette étude prospective. La LAM a été correctement classée dans 90% des cas avec la probabilité la plus élevée. 6/10 LAM mal classées ont été classées comme SMD. Dans ces cas, la deuxième maladie prédite la plus probable était la LAM dans 3/6 cas. Un seul BCP-ALL a été mal classé, 98% des échantillons ayant été correctement prédits avec un PM de 94%. 11/14 (79%) T-ALL ont été correctement prédits, également avec un PM de 94%. Dans les 3/14 cas erronés, le mp était de 39%, avec une deuxième prédiction la plus élevée dans une plage de probabilité similaire (38% vs 31%, 39% vs 34% et 61% vs 24%). En outre, notre cohorte comprenait 26 cas de myélome multiple (MM), dont 24 ont été correctement prédits et deux ont été classés à tort comme MGUS, mais avec une probabilité presque égale de MM.
Le rôle des plasmocytes clonaux dans le MM
La transplantation autologue de cellules souches hématopoïétiques (autoHCT) est considérée comme le traitement standard pour les patients atteints de myélome multiple. Cependant, la plupart des patients subissent une rechute, peut-être en raison de la présence de plasmocytes clonaux (CPC) dans l’autogreffe. L’importance de la CPC dans l’autogreffe n’est pas encore clairement établie. Les patients MM présentant des anomalies chromosomiques à haut risque (HRMM) détectées par hybridation in situ en fluorescence (FISH) ont de moins bons résultats que les patients présentant une maladie à risque standard.
Une analyse rétrospective a examiné les autogreffes de 416 patients : 75 CPC+ (18%) et 341 CPC- (82%) [6]. 57% des patients étaient des hommes et l’âge moyen de l’auto-HCT était de 62 ans. Dans le groupe CPC+, moins de patients que dans le groupe CPC- ont reçu le régime VRD comme induction avant la transplantation (25% vs 44%) et moins de patients ont atteint ≥VGPR après l’induction que dans le groupe CPC- (32% vs 62%). La durée médiane de suivi pour l’ensemble de la cohorte était de 35,7 mois. Le taux à 100 jours et le meilleur taux de RC après l’auto-HCT étaient respectivement de 8% et 19% dans les groupes CPC+ et CPC-, et de 33% et 54%. Dans le groupe CPC+, la probabilité d’obtenir une RC MRD négative après la transplantation était également plus faible (11% vs. 42%). La PFS médiane dans le groupe CPC+ par rapport au groupe CPC- était de 12,8 et 32,1 mois, respectivement, et l’OS médiane de 36,4 et 81,2 mois, respectivement.
L’étude a montré une grande influence de la CPC dans l’autogreffe sur les résultats après l’auto-HCT chez les HRMM. La présence et le degré de CPC dans l’autogreffe étaient tous deux hautement prédictifs d’une PFS et d’une OS moins bonnes, même chez les patients qui avaient obtenu une ≥VGPR et une CR/VGPR MRD négative avant l’auto-HCT. De nouvelles stratégies de nettoyage ex vivo du CPC pourraient améliorer les résultats des patients.
Congrès : 64e réunion annuelle de l’American Society of Hematology (ASH)
Littérature :
- Stengel A, Meggendorfer M, Walter W, et al : Interplay of TP53 Allelic State, Blast Count and Karyotype on Survival of Patients with AML and MDS. Blood 2022 ; 140(Supplément 1) : 2073-2074.
- Lim J, Othus M, Shaw CM, et al : Time-Dependent Prediction of Relapse in Patients with Acute Myeloid Leukemia. Abstract 57. 10.12.2022, ASH 2022.
- McNally D, Lytle A, Ravichandran H, et al : The Single-Cell Pathology Landscape of Diffuse Large B Cell Lymphoma. Abstract 67. 10.12.2022, ASH 2022.
- Robinson H, Villa N, Jaye DL, et al : Tumor-Immune Architecture and the Regulation of Antigen-Specific T-Cell Infiltration in Multiple Myeloma and Premalignant Plasma Cell Disorders. Abstract 98. 10.12.2022, ASH 2022.
- Nadarajah N, Maschek S, Hutter S, et al : Evaluation of a Transparent Artificial Intelligence (AI) Disease Classification System with Whole Genome Sequencing (WGS) and Whole Transcriptome Sequencing (WTS) Data in a Prospective Study with 325 Cases. Blood 2022 ; 140(Supplément 1) : 1915-1916.
- Pasvolsky O, Milton DR, Rauf M, et al : Impact of Presence and Amount of Clonal Plasma Cells in Autografts Affect Outcomes in High-Risk Multiple Myeloma Patients Undergoing Autologous Hematopoietic Stem Cell Transplant. Abstract 115. 10.12.2022, ASH 2022.
InFo ONKOLOGIE & HÄMATOLOGIE 2023 ; 11(1) : 20-22 (publié le 28.2.23, ahead of print)
