Integrating chemokine signatures and multi-omic biomarkers to predict immunotherapy response in non-small cell lung cancer : a comprehensive narrative review

Share

Abstract

El cáncer de pulmón no microcítico (CPNM) es la principal causa de mortalidad relacionada con el cáncer a nivel mundial. Aunque los inhibidores de los puntos de control inmunitario (ICI; ICIs en inglés) dirigidos contra PD-1/PD-L1 y CTLA-4 han revolucionado el panorama terapéutico, solo el 20–30 % de los pacientes no seleccionados logran beneficios clínicos duraderos. Dado el valor predictivo imperfecto de los marcadores tradicionales, como la expresión de PD-L1 y la carga mutacional tumoral, existe una necesidad urgente de biomarcadores multidimensionales que guíen la inmunoterapia personalizada. Esta revisión evalúa las herramientas predictivas emergentes, con un enfoque específico en las firmas de quimiocinas y los biomarcadores multiómicos (genómicos, transcriptómicos, proteómicos y metabolómicos), incluidos los modelos integradores. Al examinar el fundamento biológico que vincula las redes de quimiocinas del microambiente tumoral con la inmunidad antitumoral, se discuten los avances recientes en la caracterización que permiten obtener firmas predictivas exhaustivas. Se realizó una búsqueda narrativa exhaustiva en PubMed y EMBASE (2015–2026) para identificar estudios relevantes revisados por pares, ensayos clínicos y análisis computacionales. La evidencia sugiere que la integración de perfiles de quimiocinas con datos multiómicos tiene un gran potencial para mejorar la selección de pacientes. Es probable que los modelos multidimensionales que incorporan la genómica tumoral y las características del microambiente inmunitario superen a las pruebas de un solo analito en la identificación de respondedores a ICI. A pesar de los desafíos persistentes, como la heterogeneidad tumoral, la estandarización de los ensayos y la complejidad de la integración de datos, el desarrollo de biopsias líquidas y modelos avanzados de aprendizaje automático ofrece una vía hacia nomogramas predictivos robustos y aplicables clínicamente, que se espera refinen la toma de decisiones en inmunoterapia y mejoren significativamente los resultados clínicos para los pacientes con CPNM. [Traducción automática al español; idioma original: inglés.]