DOSSIER THÉMATIQUE La médecine personnalisée Les défis de la médecine personnalisée en oncologie The challenges of personalized cancer medicine M. Kamal* L * Unité d’investigation clinique, institut Curie, Paris. e domaine de la médecine a connu, ces 10 dernières années, des avancées considérables sur les plans scientifique et technologique, qui ont frayé la voie à la médecine personnalisée (MP). Le US National Cancer Institute définit la MP comme “une forme de médecine qui utilise les informations moléculaires et environnementales du patient (gènes, protéines) pour prévenir, diagnostiquer et traiter”. Les résultats cliniques suite aux différents traitements de chimiothérapie dans plusieurs types de cancer se sont considérablement améliorés ces 30 dernières années. Cependant, la survie globale des patients a relativement stagné, ce qui a encouragé le développement de nouvelles stratégies thérapeutiques (1). La recherche fondamentale et translationnelle a permis l’identification de certains mécanismes cellulaires et moléculaires responsables du développement de la tumeur et des métastases dans différents types de cancers humains. Ces découvertes scientifiques ont concrètement contribué au développement des thérapies ciblées, c’est-à-dire des médicaments qui ciblent d’une manière efficace une ou plusieurs anomalies moléculaires spécifiques. En oncologie, le potentiel thérapeutique de la MP est incontestable. Les succès révolutionnaires de l’imatinib ou du trastuzumab ont constitué une base tangible pour la thérapie ciblée. Le séquençage complet du génome humain (2) a permis d’obtenir une quantité immense de nouvelles informations, qui ont souligné les innombrables variations génétiques entre les individus. Récemment, les nouvelles technologies “-omiques” − incluant le séquençage à haut débit, les SNP (Single Nucleotide Polymorphism) ou la CGH (Comparative Genomic Hybridization), qui met en évidence les arrangements moléculaires, ainsi que l’analyse du transcriptome et la RPPA (Reverse Phase 290 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 Protein Array) − ont rendu possible le profilage moléculaire du patient dans des délais et des coûts raisonnables. La MP s’impose ainsi comme une option attrayante dans la lutte contre le cancer (3). La mise en œuvre de la MP requiert la connaissance des anomalies moléculaires et génétiques responsables de l’oncogenèse, la disponibilité des thérapies ciblées et l’identification de sous-groupes de patients qui peuvent bénéficier de ces thérapies ciblées via le développement d’algorithmes de stratification. Cependant, l’application clinique de la MP va au-delà de la connaissance scientifique et des thérapies ciblées et nécessite la prise en compte de plusieurs facteurs scientifiques, techniques, réglementaires, éthiques et financiers (4). Hétérogénéité et évolution des tumeurs Chaque type de cancer inclut des sous-types présentant des signatures biologiques différentes qui se distinguent par leur pronostic clinique et leur réponse au traitement. Toute tumeur est unique, dans le sens où différentes tumeurs issues d’un même tissu peuvent avoir des caractéristiques moléculaires complètement distinctes (5-7). Cet argument a souvent été utilisé pour l’identification de signatures moléculaires ayant pour but de classifier les différents types de cancer (8). Ce type de classification est utilisé dans certains types de cancers, comme celui du sein (9), mais sa validité n’est pas encore établie. Deux facteurs cruciaux sont à prendre en compte pour établir le profil moléculaire de la tumeur : la complexité et l’hétérogénéité du tissu tumoral, qui contient à la fois des cellules tumorales et des cellules stromales normales adjacentes (5). Résumé La médecine personnalisée est définie comme “une forme de médecine qui utilise les informations moléculaires et environnementales du patient (gènes, protéines) pour prévenir, diagnostiquer et traiter”. En oncologie, son potentiel thérapeutique est incontestable. Les avancées technologiques des 10 dernières années, en particulier la percée des technologies à haut débit, ont permis d’identifier une multitude de mutations somatiques et d’autres anomalies génétiques dans plusieurs types de cancers humains. Cependant, plusieurs problèmes continuent à freiner aujourd’hui l’implémentation active de la médecine personnalisée. Les différentes classifications moléculaires et les signatures génétiques pronostiques et prédictives ne sont pas assez robustes pour prédire l’efficacité d’une thérapie ciblée. De plus, si le nombre de thérapies ciblées augmente quotidiennement, les résultats des essais cliniques ne s’avèrent pas satisfaisants. Finalement, la transition vers la médecine personnalisée engendre plusieurs défis incluant la standardisation des tests moléculaires, l’identification et la validation de biomarqueurs, la stratification des patients, le coût de la thérapie ciblée, sans compter plusieurs considérations réglementaires et éthiques. Les biopsies du tissu tumoral doivent ainsi être impérativement caractérisées, et la proportion des cellules tumorales par rapport aux cellules normales doit être bien établie. Un taux important de cellules tumorales est indispensable pour pouvoir corréler les altérations moléculaires identifiées à la tumeur elle-même. Dans l’essai BATTLE, première étude prospective randomisée et achevée qui se fonde sur l’analyse du profil moléculaire des patients pour orienter la décision thérapeutique dans le cancer du poumon, des échantillons histologiques de plus de 200 cellules tumorales étaient pris en compte pour l’identification des biomarqueurs d’intérêt (10). Dans certains essais nationaux, comme SAFIR01 ou SHIVA, au moins 50 % de cellules tumorales sont requises dans l’échantillon. En réalité, la situation est beaucoup plus complexe. Plusieurs études de séquençage à haut débit ont démontré une hétérogénéité intratumorale. Des biopsies d’un même site tumoral peuvent avoir des caractéristiques moléculaires significativement distinctes (11-14). Une hétérogénéité intratumorale concernant l’amplification de HER2 chez des patientes atteintes de cancer du sein invasif est corrélée à une diminution de la survie sans progression. Les variations de l’amplification de HER2 (Human Epidermal growth factor Receptor 2) dans certains sous-clones de cellules tumorales peuvent donc être associées à la progression tumorale (14). Dans une autre étude récente, des analyses génomiques de plusieurs biopsies provenant d’un même carcinome rénal primitif et de différents sites métastatiques ont révélé des signatures pronostiques complètement différentes (13). L’hétérogénéité intratumorale représente un défi majeur pour la mise en œuvre de la MP. La caractérisation moléculaire de plusieurs biopsies d’une même tumeur semble être nécessaire pour éviter de sous-estimer cette hétérogénéité, qui peut expliquer la résistance à certaines thérapies ciblées. Plusieurs mutations dans les exons 19 et 21 de l’EGFR (Epidermal Growth Factor Receptor) détectées dans le cancer bronchique non à petites cellules (CBNPC) semblent être prédictives de la réponse au géfitinib (15). La mutation T790M de l’EGFR a été corrélée à la résistance au géfitinib (16). Dans de rares cas, cette même mutation, présente dans une population mineure de cellules tumorales de CBNPC, alors que les autres cellules tumorales révèlent des mutations sensibles au géfitinib, semble pouvoir expliquer pourquoi les répondeurs potentiels s’avèrent réfractaires au traitement (12). Un autre aspect de l’hétérogénéité tumorale est la variation des caractéristiques moléculaires de la même tumeur avant et après traitement, et de la tumeur primitive par rapport à ses métastases. En effet, une étude récente réalisant le séquençage ciblé de 1 264 gènes impliqués dans le cancer colorectal a démontré des différences génétiques significatives entre les tumeurs primitives et les métastases hépatiques (17). Les analyses génomiques permettent aujourd’hui une étude exhaustive et spatio-temporelle des anomalies moléculaires de plusieurs biopsies d’une même tumeur et de ses métastases. La véritable interrogation porte sur la faisabilité de toutes ces analyses dans des délais et des coûts raisonnables afin de permettre une décision thérapeutique appropriée. Identifications de biomarqueurs et transfert vers la clinique Actuellement, la majorité des études visant la découverte de biomarqueurs sont rétrospectives ; elles sont utiles pour connaître l’incidence, la prévalence et la validation clinique des marqueurs d’intérêt, ainsi que pour l’optimisation des tests (18). L’utilisation de biomarqueurs en clinique se fonde sur une altération moléculaire spécifique (une mutation pilote, une amplification ou une translocation génique, une modification épigénétique, etc.) qui n’est souvent pas suffisante pour sélectionner la thérapie ciblée adéquate. En effet, plusieurs altérations moléculaires sont nécessaires pour l’activation ou l’inhibition d’une voie de signalisation spécifique, elle-même régulée par plusieurs mécanismes de rétrocontrôle négatif ou positif. Des voies de signalisation alternatives sont souvent activées suite à l’utilisation des thérapies ciblées (1). Les biomarqueurs prédictifs sont donc indispensables pour pouvoir stratifier les patients selon leurs profils moléculaires spécifiques afin de prédire l’efficacité d’une ou de plusieurs thérapies ciblées. Mots-clés Biomarqueurs Thérapies ciblées Techniques à haut débit Hétérogénéité tumorale Éthique Summary Personalized medicine is defined as “a form of medicine that uses information about a person’s genes, proteins, and environment to prevent, diagnose, and treat disease.” It is generally accepted today that personalized medicine has great potential in the treatment of many types of cancer. The new high throughput screening techniques allowed the identification of several actionable molecular alterations in different kinds of cancer and paved the way for personalized medicine in the field of oncology. However, the molecular classifications and prognostic signatures are not powerful enough to predict the efficacy of targeted therapies. In addition, targeted therapeutic agents are increasingly available for clinical applications, yet these promising drugs have produced disappointing results when tested in clinical trials, mainly due to the lack of predictive biomarkers and appropriate statistical designs. For a successful transition towards personalized medicine in oncology, several challenges, including the standardization of molecular screening assays, the identification and validation of relevant biomarkers, patient stratifications in addition to financial, regulatory and ethical issues need to be addressed. Keywords Biomarkers Targeted therapy High throughput screening techniques Tumor heterogeneity Ethics La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 | 291 DOSSIER THÉMATIQUE La médecine personnalisée Les défis de la médecine personnalisée en oncologie Les différentes études utilisant le séquençage à haut débit, qu’il s’agisse de l’exome ou du génome, ont permis l’identification de centaines de milliers de mutations différentes, dont les conséquences et les implications dans l’étiologie du cancer sont loin d’être établies (19-21). La majorité des mutations détectées sont passagères et ne jouent pas un rôle actif dans le développement du cancer. L’identification de mutations pilotes, activement responsables de l’oncogenèse, constitue un grand défi. Le séquençage d’un grand nombre d’échantillons (plusieurs centaines) est nécessaire pour identifier les mutations les plus fréquentes, mais une validation fonctionnelle in vitro et in vivo reste indispensable pour pouvoir désigner une mutation comme “pilote” (22). D’autre part, les autres techniques à haut débit comme le SNP, la CGH et les analyses protéomiques produisent également une multitude de données qui doivent être intégrées et analysées (23). L’intégration des données provenant de plusieurs échantillons et techniques est nécessaire pour établir d’une manière fiable une vision complète des anomalies moléculaires activement responsables du développement du cancer (24). L’intégration des données est très complexe et fastidieuse, du fait de l’hétérogénéité des modèles expérimentaux, des protocoles, de la qualité des données et de leur représentation. La fréquence et la distribution de faux-positifs et de faux-négatifs doivent être résolues pour pouvoir intégrer et interpréter les différentes données (25). Le rôle de la bio-informatique devient donc crucial pour la gestion des différentes données génomiques et le développement d’algorithmes élaborés pour intégrer les données cliniques du patient et son profil moléculaire dans le but de prédire des corrélations entre les anomalies moléculaires et l’évolution des différents types de cancer (23). Les différentes analyses moléculaires et bioinformatiques sont très coûteuses et longues, et doivent impérativement être suivies par une validation clinique. La validation des différentes signatures moléculaires doit être réalisée par des équipes indépendantes et sur des populations indépendantes pour ne pas surestimer la performance de ce type de signature, ce qui a été le cas dans certaines études (26). À ce jour, plusieurs biomarqueurs ont été identifiés mais seule une petite partie d’entre eux est validée en clinique (27). Récemment, des altérations moléculaires comme l’amplification de HER2 dans le cancer du sein (28, 29), les mutations de BRAF dans le mélanome (30) ou de l’EGFR dans le CBNPC (31) ont été validées en clinique grâce à leurs valeurs pronostiques 292 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 et prédictives de l’efficacité des traitements qui les ciblent. D’autre part, certaines anomalies − à l’image des mutations de l’IDH1 (isocitrate deshydrogénase) dans le glioblastome multiforme − sont des mutations pilotes pour lesquelles aucune thérapie ciblée n’existe pour le moment (32). Chaque biomarqueur identifié a très peu de chances d’être ratifié pour une utilisation clinique (1). Une fois validés, les tests de détection des différents biomarqueurs doivent être standardisés pour éviter la variabilité d’un laboratoire à un autre. Cette standardisation des tests doit prendre en compte plusieurs aspects : le type de prélèvement à analyser, la méthode utilisée pour la biopsie, les protocoles d’extraction de l’ADN, de l’ARN et des protéines, le stockage des échantillons, le choix des gènes et des protéines à tester, le type de plateforme utilisée ainsi que l’interprétation des données. Plusieurs mesures d’assurance qualité doivent être ainsi développées et le personnel du laboratoire, formé. Ces différentes mesures ajoutent des dépenses importantes à estimer. La validation des biomarqueurs en clinique est aussi un prérequis pour la stratification des patients selon des anomalies moléculaires spécifiques afin qu’ils puissent bénéficier du traitement ciblé qui serait le plus efficace et approprié à leur cancer. Essais cliniques pour la médecine personnalisée Un autre enjeu de taille est le développement de thérapies qui ciblent ces aberrations moléculaires et la conception des essais cliniques optimaux pour la MP. Les médicaments qui ciblent des altérations moléculaires spécifiques ont indéniablement fait leurs preuves dans le traitement de certains types de cancer. Cependant, si le nombre de thérapies ciblées augmente quotidiennement, leurs applications cliniques ne s’avèrent pas satisfaisantes, faute de biomarqueurs et d’essais cliniques appropriés (33). Dans le cadre de la MP, un biomarqueur doit être testé dans des études prospectives randomisées pour déterminer sa validation clinique. La majorité des modèles d’études cliniques actuelles ne sont pas appropriés pour évaluer des thérapies ciblées (1). Plusieurs traitements ciblés ont un index thérapeutique plus large que les agents de chimiothérapie et produisent souvent des effets “hors cible” qui conduisent à une surestimation de la sensibilité du traitement. D’autre part, la majorité de ces traitements sont cytostatiques et non cytotoxiques, DOSSIER THÉMATIQUE ce qui nécessite un choix de end points adaptés. La conception d’essais cliniques se basant sur une population de patients sélectionnés selon un profil moléculaire spécifique pour recevoir la thérapie ciblée s’avère indispensable pour la validation des biomarqueurs en clinique et l’évaluation même de la thérapie ciblée (34). L’utilisation des techniques génomiques de haut débit et d’imagerie dans les essais cliniques standardisés faciliterait l’identification des biomarqueurs prédictifs. Les biopsies doivent être accessibles en routine pour les analyses moléculaires à haut débit. Les biomarqueurs potentiels doivent être validés dans des études consécutives portant sur la même population de patients, voire dans une même étude intégrative avec 2 stades de recrutement de patients selon des modèles statistiques adaptés comme la randomisation adaptative (35). La stratification des patients selon des biomarqueurs validés permet de meilleures perspectives quant au résultat de la thérapie ciblée en question. L’étude BATTLE constitue le premier essai avec randomisation adaptative qui consiste à ajuster la randomisation aux nouvelles données biologiques obtenues en temps réel, ce qui permet d’enrichir les groupes de répondeurs potentiels (10). Cette étude a porté sur 4 biomarqueurs avec, au total, 11 anomalies mesurables. Dans un premier temps, les patients ont été répartis en 4 groupes de traitement (erlotinib, vandétanib, sorafénib et erlotinib + bexarotène) et la progression tumorale a été évaluée quelques semaines après traitement par imagerie. Les analyses moléculaires à partir de biopsies de ces patients ont permis d’établir des catégories spécifiques afin de diriger les nouveaux patients inclus vers un traitement en fonction de la meilleure réponse constatée par rapport au biomarqueur identifié (10). L’exemple de l’étude BATTLE constitue un virage important pour la conception de nouveaux modèles d’essais cliniques adaptés à la MP en cancérologie. Un défi de taille dans ce contexte est d’anticiper l’évolution de la technologie qui permettra d’étudier plus de biomarqueurs en temps réel et, par conséquent, d’adapter les modèles statistiques à cette nouvelle génération d’essais. Défis socio-économiques La mise en œuvre de la MP requiert un apport financier considérable dans les différentes infrastructures médicales pour assurer : ➤ l’incorporation des différentes technologies à haut débit ; ➤ la formation du personnel à l’utilisation de ces technologies en routine ; ➤ la standardisation des tests ; ➤ la mise en place d’un réseau bio-informatique pour l’analyse des données et la corrélation avec la clinique. D’un autre côté, on s’attendrait à ce que la MP engendre une réduction des coûts associés aux effets indésirables et à la toxicité des médicaments (36). En réalité, le rapport coût/efficacité de la MP est difficile à évaluer aujourd’hui, d’autant plus que les nouvelles technologies de profilage moléculaire à haut débit évoluent rapidement et leur prix est revu à la baisse. L’évolution rapide de ces technologies qui deviennent moins coûteuses tout en gagnant en performance constitue un défi majeur pour leur utilisation en routine clinique. De nouvelles versions des puces et des panels de biomarqueurs sont fréquemment mises sur le marché et nécessitent, au niveau des plateformes concernées, des essais de mise au point et de validation avant toute utilisation clinique. Cet effort est coûteux et exige un temps de travail important pour le personnel. Une attention spéciale doit être accordée à la gestion de l’évolution rapide des technologies à haut débit tout en assurant la qualité des tests utilisés dans les différentes plateformes. De nombreux enjeux éthiques et sociaux sont aussi associés à la MP, en particulier ceux liés à la pharmacogénomique. Des problèmes éthiques de confidentialité et de respect de la vie privée se posent et nécessitent une protection légale adéquate. Le profilage moléculaire des patients ayant pour but initial de pouvoir administrer le traitement le plus approprié à chacun d’entre eux peut révéler des informations sur des facteurs de prédisposition au cancer ou à d’autres maladies impliquant ainsi les autres membres de la famille (37). La question du droit de savoir ou non devient donc capitale. L’utilisation de données génétiques peut également mener à la discrimination génétique par les assurances ou les employeurs en fonction de la réponse d’un individu à un médicament ou des facteurs de prédisposition. L’éducation et la sensibilisation des patients ainsi que du personnel médical aux différentes facettes de la MP et à la signification exacte des tests génétiques et leurs implications deviennent indispensables. L’accès équitable à la MP représente également un problème éthique important, surtout au sein du système de santé public français déjà endetté. En dehors de la couverture sociale des traitements, la prise en charge des différents tests de screening La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 | 293 DOSSIER THÉMATIQUE La médecine personnalisée Les défis de la médecine personnalisée en oncologie Considérations éthiques Consentement Implémentation de plateformes de technologies à haut débit Standardisation des tests Assurance qualité Screening moléculaire du patient Standardisation de l’imagerie et des biopsies Bio-informatique Transparence et validation des résultats Formation du personnel Conclusion Profil moléculaire Considérations éthiques Droit de savoir Traitement ciblé Disponibilité du traitement adéquat au médicament. La stratification des patients selon le profil moléculaire risque de créer de nouvelles inégalités, dans le sens où certaines populations de patients pourraient avoir un accès réduit à de nouvelles thérapies. D’autre part, les entreprises pharmaceutiques investiraient plus dans le développement de nouveaux médicaments ciblant les anomalies génétiques de populations larges (33, 39). Coût et couverture par les assurances Développement de nouveaux médicaments Figure. Les différents défis de la médecine personnalisée. doit être bien précisée. De plus, le fait que les médicaments développés ne puissent être disponibles pour tous les patients peut représenter une faille dans l’égalité et un problème éthique en soi (38). L’offre même d’un médicament issu de la MP peut poser problème, surtout si le patient refuse de subir le screening, mais désire quand même avoir accès La mise en œuvre de la MP en routine nécessite une collaboration étroite et synchronisée entre le personnel médical, les patients, les scientifiques et les différentes plateformes techniques, bioinformatiques et biostatistiques afin d’assurer un bénéfice clinique significatif (23). Les différents résultats moléculaires obtenus doivent être transparents, intégrés et validés par des réseaux bio-informatiques adéquats et des scientifiques. Les différents tests de screening sur des échantillons tumoraux bien définis doivent être standardisés pour assurer la reproductibilité et la qualité des résultats, ce qui peut s’avérer très coûteux, notamment pour la formation du personnel impliqué. La mise en place active de la MP en routine clinique nécessite ainsi une réorganisation très coûteuse de toute l’infrastructure médicale. D’autre part, les considérations socio-économiques et éthiques doivent être bien identifiées pour assurer la protection des individus et leur couverture par les systèmes d’assurance publics et privés (figure). Le développement des nouvelles thérapies ciblées indispensables pour la pérennité de la MP requiert également un bouleversement de la conception des essais cliniques et un effort majeur pour l’identification de biomarqueurs et leur validation clinique dans des études prospectives (1). ■ Références bibliographiques 1. Wistuba II, Gelovani JG, Jacoby JJ, Davis SE, Herbst RS. Methodological and practical challenges for personalized cancer therapies. Nat Rev Clin Oncol 2011;8(3):135-41. 2. International Human Genome Sequencing Consortium. Finishing the euchromatic sequence of the human genome. Nature 2004;431(7011):931-45. 3. Borden EC, Raghavan D. Personalizing medicine for cancer: the next decade. Nat Rev Drug Discov 2010;9(5):343-4. 4. Diamandis M, White NM, Yousef GM. Personalized medicine: marking a new epoch in cancer patient management. Mol Cancer Res 2010;8(9):1175-87. 5. Fidler IJ. Tumor heterogeneity and the biology of cancer invasion and metastasis. Cancer Res 1978;38(9):2651-60. 6. Jones S, Zhang X, Parsons DW et al. Core signaling pathways in human pancreatic cancers revealed by global genomic analyses. Science 2008;321(5897): 1801-6. 7. Varela I, Tarpey P, Raine K et al. Exome sequencing identifies frequent mutation of the SWI/SNF complex gene PBRM1 in renal carcinoma. Nature 2011;469(7331):539-42. 8. Sotiriou C, Piccart MJ. Taking gene-expression profiling to the clinic: when will molecular signatures become relevant to patient care? Nat Rev Cancer 2007;7(7):545-53. 9. Ross JS. Multigene classifiers, prognostic factors, and predictors of breast cancer clinical outcome. Adv Anat Pathol 2009;16(4):204-15. 294 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 10. Kim ES, Herbst RS, Wistuba II et al. The BATTLE trial: personalizing therapy for lung cancer. Cancer Discov 2011: 1;44-53. 11. Campbell PJ, Yachida S, Mudie LJ et al. The patterns and dynamics of genomic instability in metastatic pancreatic cancer. Nature 2010;467(7319):1109-13. DOSSIER THÉMATIQUE La médecine personnalisée Les défis de la médecine personnalisée en oncologie Références bibliographiques (suite de la p. 294) 12. Inukai M, Toyooka S, Ito S et al. Presence of epidermal growth factor receptor gene T790M mutation as a minor clone in non-small-cell lung cancer. Cancer Res 2006;66(16):7854-8. 13. Gerlinger M, Rowan AJ, Horswell S et al. Intratumor hetero­geneity and branched evolution revealed by multi­ region sequencing. N Engl J Med 2012;366(10):883-92. 14. Seol H, Lee HJ, Choi Y et al. Intratumoral heterogeneity of HER2 gene amplification in breast cancer: its clinicopathological significance. Mod Pathol 2012. [Epub ahead of print] 15. Lynch TJ, Bell DW, Sordella R et al. Activating mutations in the epidermal growth factor receptor underlying responsiveness of non-small cell lung cancer to gefitinib. N Engl J Med 2004;350(21):2129-39. 16. Kobayashi S, Boggon TJ, Dayaram T et al. EGFR mutation and resistance of non-small cell lung cancer to gefitinib. N Engl J Med 2005;352(8):786-92. 17. Vermaat JS, Nijman IJ, Koudijs MJ et al. Primary colorectal cancers and their subsequent hepatic metastases are genetically different: implications for selection of patients for targeted treatment. Clin Cancer Res 2012;18(3):688-99. 18. Alymani NA, Smith MD, Williams DJ, Petty RD. Predictive biomarkers for personalised anti-cancer drug use: discovery to clinical implementation. Eur J Cancer 2010;46(5):869-79. 19. Ding L, Ellis MJ, Li S et al. Genome remodelling in a basal-like breast cancer metastasis and xenograft. Nature 2010;464(7291):999-1005. 20. Berger MF, Lawrence MS, Demichelis F et al. The genomic complexity of primary human prostate cancer. Nature 2011;470(7333):214-20. 21. Stransky N, Egloff AM, Tward AD et al. The mutational landscape of head and neck squamous cell carcinoma. Science 2011;333(6046):1157-60. 22. Stratton MR, Campbell PJ, Futreal PA. The cancer genome. Nature 2009;458(7239):719-24. 23. Diamandis M, White NM, Yousef GM. Personalized medicine: making a new epoch in cancer patient management. Mol Cancer Res 2010;8(9):1175-87. 24. Tian Q, Price ND, Hood L. Systems cancer medicine: towards realization of predictive, preventive, personalized and participatory (P4) medicine. J Intern Med 2012; 271(2):111-21. 25. Teufel A, Krupp M, Weinmann A, Galle PR. Current bio­informatics tools in genomic biomedical research (Review). Int J Mol Med 2006;17(6):967-73. 26. Koscielny S. Why most gene expression signaures of tumors have not been useful in the clinic. Sci Transl Med 2010;2(14):14ps12. 27. Ferté C, André F, Soria JC. Molecular circuits of solid tumors: prognostic and predictive tools for bedside use. Nat Rev Clin Oncol 2010;7(7):367-80. 28. Geyer CE, Forster J, Lindquist D et al. Lapatinib plus capecitabine for HER2-positive advanced breast cancer. N Engl J Med 2006;355(26):2733-43. 29. Mok TS, Wu YL, Thongprasert S et al. Gefitinib or carboplatin-paclitaxel in pulmonary adenocarcinoma. N Engl J Med 2009;361:947-57. 30. Chapman PB, Hauschild A, Robert C et al. Improved survival with vemurafenib in melanoma with BRAF V600E mutation. N Engl J Med 2011;364(26):2507-16. 258 | La Lettre du Cancérologue • Vol. XXI - n° 6 - juin 2012 31. Kim ES, Hirsh V, Mok T et al. Gefitinib versus docetaxel in previously treated non-small-cell lung cancer (INTEREST): a randomised phase III trial. Lancet 2008;372(9652): 1809-18. 32. Turcan S, Rohle D, Goenka A et al. IDH1 mutation is sufficient to establish the glioma hypermethylator phenotype. Nature 2012;483(7390):479-83. 33. Jackson DB, Sood AK. Personalized cancer medicine − advances and socio-economic challenges. Nat Rev Clin Oncol 2011;8(12):735-41. 34. Gutierrez ME, Kummar S, Giaccone G. Next generation oncology drug development: opportunities and challenges. Nat Rev Clin Oncol 2009;6(5):259-65. 35. Zhou X, Liu S, Kim ES, Herbst RS, Lee JJ. Bayesian adaptive design for targeted therapy development in lung cancer − a step toward personalized medicine. Clin Trials 2008; 5(3):181-93. 36. Bottinger EP. Foundations, promises and uncertainties of personalized medicine. Mt Sinai J Med 2007;74(1): 15-21. 37. Netzer C, Biller-Andorno N. Pharmacogenetic testing, informed consent and the problem of secondary information. Bioethics 2004;18(4):344-60. 38. Jorgensen JT. From blockbuster medicine to personalized medicine. Personalized Medicine 2008;5(1):55-63. 39. Fierz W. Challenge of personalized health care: to what extent is medicine already individualized and what are the future trends? Med Sci Monit 2004;10(5): RA111-23.