Partager

Intégration des biomarqueurs dans les designs d’essais cliniques et évaluation des molécules innovantes


P. Hofman, B. Mograbi, V. Hofman, Nice & N. Girard, Paris, Versailles

© Edimark – Correspondances en Onco-Théranostic, Vol XV – n°3

Malgré des avancées spectaculaires dans le traitement des cancers pulmonaires conduisant à l’amélioration de la durée de vie de ces patients et de leur qualité de vie, il est urgent de développer des molécules innovantes et d’évaluer leur efficacité lors d’essais de phase précoce 1. Ainsi, les essais cliniques en oncologie thoracique sont la pierre angulaire de l’innovation thérapeutique 2,3. Cependant la croissance des essais cliniques de phase I fait face à plusieurs défis, dont la sélection optimale des patients et l’anticipation des “bons” biomarqueurs prédictifs associés, évitant que les essais de phase II ou III soient par la suite négatifs 2,4. Le concept de médecine de précision repose sur l’association d’une molécule innovante développée lors d’une première étape et d’un biomarqueur associé, afin de mieux définir les populations cibles 5. L’administration d’une molécule thérapeutique sans biomarqueur associé (approche “all comers”) est parfois l’alternative dans certains essais cliniques, mais conduit à l’absence de sélection d’une population ciblée et va à l’encontre du concept de médecine personnalisée.

Les thérapies ciblées reposant sur l’identification des anomalies génomiques actionnables ont révolutionné l’oncologie thoracique ces dernières années, mais présentent aujourd’hui des limites : certains patients ne sont pas éligibles à ces thérapies en l’absence de mutations actionnables identifiées ; malgré ces mutations, les patients peuvent présenter d’emblée des mécanismes de résistance et tous développeront une résistance secondaire. L’émergence de nouvelles thérapeutiques innovantes, comme les anticorps conjugués (ADC, Antibody Drug Conjugate) et les anticorps bispécifiques, complexifie le design des essais cliniques, en particulier la mise en place des différents bras contrôles 6-9. Les combinaisons thérapeutiques associant thérapies ciblées ou immunothérapie avec des ADC ou des anticorps bispécifiques doivent faire envisager des tests compagnons diagnostiques combinés, ce qui rend ces derniers de plus en plus complexes à mettre en place en pratique quotidienne. Les challenges et les perspectives concernant l’intégration des biomarqueurs dans le design des essais cliniques sont abordés dans cet article.

Quel biomarqueur prédictif intégrer dans le design des essais cliniques ?

Les biomarqueurs prédictifs sont fondés sur des analyses moléculaires ciblées (“single gene testing” ou SGT) de type PCR ou de séquençage de nouvelle génération (NGS), ou sur des approches immunohistochimiques (IHC) 9. Certains de ces biomarqueurs peuvent être utilisés à la fois sur des tissus tumoraux et des biofluides, en particulier l’ADN tumoral circulant (SGT et NGS) et d’autres uniquement sur les tissus tumoraux (marqueurs IHC). Les approches de NGS ont révolutionné l’évaluation des anomalies moléculaires, donnant la possibilité d’analyser en un seul temps plusieurs cibles potentiellement actionnables 9. Cette technique est souvent recommandée lors de la mise en place d’un essai clinique, même si dans plusieurs situations un test génétique ciblé sur un seul gène est utilisé.

  • Utiliser un clone spécifique,
  • une plateforme d’analyse dédiée,
  • une analyse par des pathologistes experts.

L’accès aux molécules innovantes fait de plus en plus souvent appel aux tests sanguins, et quasi exclusivement actuellement à l’ADN tumoral circulant (ADNtc) 10. Ainsi, de nombreux essais cliniques intègrent un test sanguin en combinaison avec des biomarqueurs tissulaires moléculaires et/­ou immunohistochimiques. L’évaluation de l’ADNtc, sa quantification et/ou la recherche d’altérations moléculaires (mutation, fusion ou amplification) s’intègrent dans de nombreux essais cliniques, soit en périopératoire, soit pour évaluer l’impact thérapeutique des molécules innovantes dans les stades métastatiques.

Le concept de test “compagnon diagnostique” ou CDx approuvé par la FDA est incontournable aux États-Unis 11. Ainsi, seuls les CDx sont qualifiés pour être utilisés en pratique quotidienne aux États-Unis. En Europe, jusqu’à ce jour, les tests associés aux molécules thérapeutiques ne sont pas soumis à une réglementation aussi stricte, mais l’arrivée de la nouvelle législation liée à l’IVDR (In Vitro Diagnostic Regulation) conduira probablement à une législation identique pour pouvoir les utiliser en pratique quotidienne 11. Ainsi, lors du design d’un essai de phase I, il est important de considérer d’emblée le ou les tests biologiques associés comme pouvant être rapidement soumis à cette réglementation.

Développement d’un biomarqueur à intégrer dans le design d’un essai clinique

Il est indispensable de sélectionner un biomarqueur suffisamment “robuste”, spécifique et sensible dès la conception d’un essai de phase I 12-15. L’objectif est de sélectionner rapidement une population de patients éligibles dans un second temps à un essai de phase II. Un essai de phase II positif conduit à élargir au mieux le nombre de patients dans un essai de phase III pour aboutir à l’utilisation de la molécule thérapeutique associée à ce biomarqueur en pratique quotidienne 2,16. La nécessité de développer rapidement ces différentes phases peut conduire à ne pas suffisamment apprécier la robustesse du ou des biomarqueurs prédictifs, mais aussi les seuils à partir desquels ces biomarqueurs permettent de sélectionner les populations cibles, et ainsi entraîner l’arrêt du développement thérapeutique. Plusieurs exemples ont montré qu’une mauvaise évaluation préalable d’un biomarqueur avait conduit à un échec de développement thérapeutique, faisant abandonner des essais de phase I, de phase II ou même de phase III. L’utilisation de la charge mutationnelle tumorale (TMB) comme marqueur prédictif de l’immunothérapie a donné beaucoup d’espoir pour son utilisation en 1re ligne d’une immunothérapie. La TMB était apparue comme étant un biomarqueur prédictif tissulaire et/ou sanguin, complémentaire ou pas de l’IHC PD-L1 17,18. Plusieurs raisons ont conduit à abandonner ce biomarqueur dans la majorité des indications, en particulier des contraintes technologiques, mais aussi certainement une connaissance incomplète de la biologie des cancers pulmonaires. Les seuils établis initialement dans les essais précoces pour définir une TMB haute ont été progressivement réévalués à la hausse ; ils étaient différents selon les immunothérapies et la source biologique (tissu ou sang) et n’ont pas montré une corrélation suffisante d’un essai clinique à un autre. Le fait d’utiliser différentes approches de séquençage et des panels génomiques variés n’a pas permis d’appliquer ce biomarqueur dans la plupart des protocoles d’immunothérapie et a fait abandonner son utilisation en pratique quotidienne. Ces différents exemples soulignent la nécessité de bien établir des essais cliniques randomisés reposant sur l’évaluation des biomarqueurs parfaitement identifiés 19.

Dès la conception d’un essai clinique, il faut aussi anticiper si le biomarqueur prédictif associé, au-delà de sa performance (sensibilité et spécificité), peut être ultérieurement accessible en routine. Ainsi, le coût d’un biomarqueur ainsi que son utilisation potentielle dans une majorité de laboratoires et de pays devraient être évalués lors de la mise en place d’un essai clinique afin de garantir sa future utilisation dans la vraie vie 20. Dans ce contexte, de nouveaux biomarqueurs fondés sur une analyse computationnelle sont actuellement développés dans le design des essais cliniques 21. Ils associent des algorithmes d’intelligence artificielle (IA) fondés sur l’analyse d’image de coupes histologiques digitalisées après IHC. Le déploiement de ces biomarqueurs pourrait toutefois se heurter à leur complexité. Ainsi, une approche prometteuse de scoring, définissant un seuil de densité optique précis permettant de traiter ou non les patients avec une molécule ciblant TROP2, fait l’objet actuellement d’un certain nombre de challenges. En particulier, ce test diagnostique ne peut être appliqué qu’à la condition d’utiliser une “chaîne technologique fermée” reposant sur l’utilisation d’un clone unique, un instrument d’IHC adapté, un scanner spécifique et un seul algorithme d’IA. L’enjeu, si la phase III est positive, sera de pouvoir déployer ce test dans une majorité de pays et d’institutions, sachant que cette chaîne technologique n’est pas disponible dans tous les laboratoires. Une autre cible thérapeutique prometteuse en oncologie thoracique est la délétion de MTAP. Cette délétion évaluée par NGS conduit dans la quasi-totalité des cas à une perte de l’expression protéique de MTAP dans les cellules tumorales 22,23. Les essais cliniques associés à la délétion de MTAP incluent à ce jour les patients dont la délétion de MTAP est évaluée par NGS. Cependant, l’IHC MTAP mériterait de devenir rapidement une solution alternative au NGS pour un transfert en pratique clinique, car facile d’accès, moins coûteuse, et permettant d’obtenir un résultat dans des délais plus courts comparativement à celui du NGS.

Place de la décentralisation des tests biologiques associés aux essais cliniques

La grande majorité des essais cliniques de phase I présente comme contrainte la nécessité d’analyser le biomarqueur associé de manière centralisée sur une plateforme sélectionnée par l’industrie pharmaceutique. Les contraintes réglementaires constituent souvent un frein aux inclusions des patients, limitant l’accès aux tests. Dans ce contexte, une décentralisation de ces tests constituerait une opportunité unique pour optimiser l’utilisation des nouvelles molécules thérapeutiques, pour augmenter le nombre d’inclusions de patients et pour favoriser l’équité d’accès à l’innovation. Cette décentralisation ne peut se concevoir que si les plateformes d’analyses répondent à des exigences de qualité, reposant en particulier sur un label d’accréditation (ISO 15189 ou CAP) et l’utilisation de tests CE-IVD, et si elles sont engagées dans une démarche réglementaire répondant aux normes de l’IVDR 24. Ainsi, le design initial des essais cliniques devrait d’emblée intégrer l’éventualité d’une décentralisation du testing moléculaire ou d’IHC. La mise en place des essais cliniques et des biomarqueurs prédictifs seront soumis de plus en plus à des contraintes réglementaires, un des freins potentiels majeurs à leur mise en place.

Perspectives

“L’écosystème” associé à la mise en place d’un biomarqueur prédictif en oncologie thoracique est complexe (cf. Figure 1). Le développement de ce biomarqueur peut se heurter à un certain nombre de contraintes (cf. Tableau 1). L’optimisation de cette mise en place peut bénéficier progressivement de nouveaux outils et de nouvelles approches (cf. Tableau 2). L’intégration des algorithmes d’IA dans le design des essais cliniques peut être une solution pour mieux définir les populations cibles et intégrer la pertinence de mettre en place des biomarqueurs prédictifs adaptés 25,26. La multitude des essais cliniques peut conduire à limiter le nombre de patients potentiellement sélectionnés pour bénéficier des thérapeutiques innovantes. Mieux définir les différents seuils à partir desquels ces biomarqueurs pourraient être efficaces serait ainsi anticipé et évalué. Dans ce contexte, le déploiement de jumeaux numériques permettrait d’intégrer les paramètres cliniques, biologiques et multi-omiques accessibles sur les bases de données, afin de pouvoir anticiper l’inclusion des patients dans les essais cliniques 27,28. La révolution numérique associant les données d’imagerie (radiologique et histologique) et les outils d’IA conduisant au concept de pathologie “computationnelle” permettra certainement de développer de nouveaux biomarqueurs prédictifs associés aux essais cliniques, pouvant rendre plus reproductibles et fiables les différents seuils de positivité à mettre en place 29.

oncologie de précision et essais cliniques
Validation sur des modèles précliniques in vitro et in vivo
Évaluation d’un seuil prédictif suffisamment discriminatif d’une réponse thérapeutique
Établissement d’essais randomisés avec un ou plusieurs biomarqueurs
Mise en place d’un test spécifique et sensible
Développement de tests prédictifs combinés en cas de thérapeutiques innovantes combinées
Anticipation de l’accessibilité et le déploiement des tests biologiques en pratique quotidienne
Anticipation des règles d’accès des tests selon la réglementation associée aux contraintes de l’IVDR
Possibilité d’utiliser des tests de manière centralisée ou décentralisée
Anticipation du coût des tests pour assurer une équité d’accès aux tests et aux molécules thérapeutiques
Déploiement harmonisé des MTB intégrant la possibilité d’évaluer des cibles thérapeutiques par des approches multi-omiques et multimodales
Mise en place de jumeaux numériques
Utilisation des algorithmes d’IA et de la pathologie computationnelle
Intégration de biomarqueurs sur la cellule tumorale et sur les cellules du microenvironnement
Prise en compte de l’hétérogénéité intratumorale et inter-tumorale
Anticipation de la dynamique des cancers afin d’adapter les biomarqueurs
Intégration des biomarqueurs combinés sur le tissu tumoral et sur les biofluides (sang)

Un des enjeux des essais cliniques est de pouvoir proposer l’accès à des molécules innovantes aux populations souvent non éligibles car considérées comme fragiles et exclues de ces essais compte tenu d’un trop grand risque de toxicité 30. En particulier, et souvent de façon arbitraire, les patients dont l’âge physiologique est supérieur à 65 ou 70 ans ne sont pas éligibles aux essais de phase I. La possibilité d’avoir accès à de nouveaux biomarqueurs prédictifs d’une réponse thérapeutique efficace, sans augmentation de la toxicité comparativement aux traitements recommandés en pratique quotidienne (“standard of care”), peut être envisagée grâce à l’évaluation de l’âge biologique de ces patients conduisant à mettre en place les différents biomarqueurs de cet âge biologique. Ainsi, les biomarqueurs de l’âge biologique seraient à intégrer dès la mise en place du design d’un essai clinique.

Le concept de “pathologie intégrée”, associant des biomarqueurs évalués sur différentes sources biologiques (échantillons cytologiques, tissus, produits sanguins et autres fluides biologiques), pourrait s’inviter dans le design des essais cliniques, rendant plus efficace la mise en place des biomarqueurs prédictifs associés aux essais cliniques de phase précoce.

L’absence de réponse thérapeutique et l’apparition des résistances secondaires conduisent les patients à être évalués dans les réunions de concertation de pathologie moléculaire ou “molecular tumor boards” (MTB) discutant de biomarqueurs muti-omiques analysés sur de très larges panels ou bien immunohistochimiques, pouvant permettre d’inclure ces patients dans des essais cliniques, en particulier de phase I 31-33. L’optimisation des MTB et l’accès aux données obtenues sur de larges panels de gènes permettent d’augmenter le nombre de patients accessibles aux molécules innovantes. La possibilité d’avoir accès plus largement aux résultats de différents essais cliniques en temps réel, comparant les résultats en fonction du profil biologique de la tumeur ou “matching trials”, est une opportunité pour orienter le patient vers l’essai clinique le plus adapté aux caractéristiques biologiques de sa tumeur 34. Les MTB peuvent être multi-organes ou organisées par pathologie d’organe. La possibilité d’inclure un patient dans un essai clinique “multi-organes” selon une cible moléculaire actionnable dans différents types tumoraux montre que des biomarqueurs prédictifs établis dans des essais cliniques proposés pour cibler plusieurs types de cancer peuvent être alors plus largement déployés 35-37.

Conclusion

La complexité biologique des cancers pulmonaires est en grande partie liée à leur hétérogénéité intratumorale et à leur plasticité temporelle, expliquant certaines résistances primaires ou secondaires et une efficacité partielle des molécules innovantes ciblant les anomalies génomiques définies initialement. Le développement des nouveaux essais cliniques de phase I doit rapidement associer des biomarqueurs prédictifs de plus en plus complexes évaluant à la fois le compartiment tumoral et le microenvironnement immunitaire sur plusieurs sites de la tumeur primitive et idéalement d’un ou plusieurs sites métastatiques 38. En définitive, le design des essais cliniques établi par l’industrie pharmaceutique devrait d’emblée impliquer les investigateurs oncologues et pathologistes du monde académique afin de mieux orienter les différentes stratégies de testing 39.      

(1) Mai N et al. Precision Oncology: 2025 in Review. Cancer Discov 2025;15(12):2414-21.

(2) Iasonos A, O’Quigley J. Randomised phase 1 clinical trials in oncology. Br J Cancer 2021;125(7):920-6.

(3) Michaeli DT et al. Advances in cancer therapy: clinical benefit of new cancer drugs. Aging (Albany NY) 2023;15(12):5232-4.

(4) Renfro LA et al. Clinical trial designs incorporating predictive biomarkers. Cancer Treat Rev 2016;43:74-82.

(5) Scagliotti GV. Implementation of precision medicine in clinical trials in thoracic oncology: which are the hurdles? Cancer 2017;123(24):4764-6.

(6) Horgan D et al. From dominance to decline: can we reverse the trend in small molecule and TKI cancer therapies? Pathologica 2025;117(3):199-203.

(7) Lim JU et al. Therapeutic responses in patients with advanced NSCLC enrolled in early-phase clinical trials at MD Anderson. NPJ Precis Oncol 2026;10(1):59.

(8) Meyer ML et al. Lung cancer research and treatment: global perspectives and strategic calls to action. Ann Oncol 2024;35(12):1088-1104.

(9) Passaro A et al. Cancer biomarkers: emerging trends and clinical implications for personalized treatment. Cell 2024;187(7):1617-35.

(10) Asnaghi R et al. Circulating tumor DNA: a biomarker for oncology drug development in phase I clinical trials? Expert Rev Mol Diagn 2025;25(9):545-53.

(11) Hofman P, Heeke S. What makes a “good” companion diagnostic in thoracic oncology? Expert Rev Mol Diagn 2025;25(8):409-12.

(12) Horgan D et al. A unified framework for pre-screening and screening tools in oncology clinical trials. NPJ Precis Oncol 2026;10(1):143.

(13) Spiegel ML et al. Non-small cell lung cancer clinical trials requiring biopsies with biomarker-specific results for enrollment provide unique challenges. Cancer 2017;123(24):4800-7.

(14) Uno H, Horiguchi M. Biomarkers in oncology: complexities in biomarker-driven studies and statistical analysis. JCO Precis Oncol 2024;8:e2400358.

(15) Wang J et al. Biomarker-driven oncology trial design and subgroup characterization: challenges and potential solutions. JCO Precis Oncol 2024;8:e2400116.

(16) Ha H et al. Precision oncology clinical trials: a systematic review of phase II clinical trials with biomarker-driven, adaptive design. Cancer Res Treat 2024;56(4):991-1013.

(17) Heeke S, Hofman P. Tumor mutational burden assessment as a predictive biomarker for immunotherapy in lung cancer patients: getting ready for prime-time or not? Transl Lung Cancer Res 2018;7(6):631-8.

(18) Mouawad A et al. Tumor mutational burden: why is it still a controversial agnostic immunotherapy biomarker? Future Oncol 2025;21(4):493-9.

(19) Erlendsdottir M, Crawford FW. Randomized controlled trials of biomarker targets. Clin Trials 2023;20(1):47-58.

(20) Horgan D et al. Welcoming the future: embracing novel technologies for a progressive health system. ESMO Open 2024;9(8):103656.

(21) Montezuma D et al. What practicing pathologists and oncologists should know about the new computational pathology-based companion diagnostic tools. J Pathol 2026;269(2):143-8.

(22) Best JT et al. Clinical presentation of MTAP deletions in real-world settings: lessons for the clinical development of novel targeted therapies. JCO Precis Oncol 2025;9:e2500564.

(23) Brune MM et al. MTAP as an emerging biomarker in thoracic malignancies. Lung Cancer 2024;197:107963.

(24) Kahles A et al. Structure and content of the EU-IVDR : current status and implications for pathology. Pathologie (Heidelb) 2023;44(Suppl 2):73-85.

(25) Marra A et al. Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives Ann Oncol 2025;36(7):712-25.

(26) Sonmez G et al. Harnessing the power of artificial intelligence for clinical trials in cancer. Expert Rev Anticancer Ther 2026;26(6):735-749.

(27) Bordukova M et al. Generative artificial intelligence empowers digital twins in drug discovery and clinical trials. Expert Opin Drug Discov 2024;19(1):33-42.

(28) Sadée C et al. Medical digital twins: enabling precision medicine and medical artificial intelligence. Lancet Digit Health 2025;7(5):100864.

(29) Makhlouf HR et al. Digital pathology imaging artificial intelligence in cancer research and clinical trials: An NCI workshop report. J Pathol Inform 2025;20:100531.

(30) Parisi C et al. Non-Small Cell Lung Cancer (NSCLC) in vulnerable and special populations: towards personalized care. J Thorac Oncol 2026;103705.

(31) Aldea M et al. Molecular tumor boards: a consensus statement from the international association for the study of lung cancer. J Thorac Oncol 2025;20(11):1594-1614.

(32) Bayle A et al. Clinical utility of comprehensive genomic profiling: from evidence generation to sustainable access. Eur J Cancer 2026;240:116682.

(33) Saito Y et al. Real-world clinical utility of comprehensive genomic profiling in advanced solid tumors. Nat Med 2026;32(4):690-701.

(34) Gong G et al. Clinical trial patient matching: a real-time, common data model and artificial intelligence-driven system for semiautomated patient prescreening in cancer clinical trials. JCO Clin Cancer Inform 2026;10:e2500262.

(35) André F et al. Forget lung, breast or prostate cancer: why tumour naming needs to change. Nature 2024 626(7997):26-9.

(36) Ilié M et al. Navigating change in tumor naming: exploring the complexities and considerations of shifting toward molecular classifications. J Clin Oncol 2024;42(27):3183-86.

(37) Subbiah V et al. Living guidelines for tumor-agnostic therapies: a pathway to next-generation cancer treatment. JCO Precis Oncol 2026;10:e2500767.

(38) Marine JC et al. Mapping intratumor heterogeneity across layers for advancing immunotherapy. Cell 2026;189(12):2416-40.

(39) Gerber DE et al. Development, review, and activation of thoracic oncology investigator-initiated trials. Clin Cancer Res 2025;31(6):1103-8.