BackgroundWe have previously developed and confirmed a pragmatic molecular classifier for endometrial cancers; ProMisE (Proactive Molecular Risk Classifier for Endometrial Cancer). Inspired by the Cancer Genome Atlas, ProMisE identifies four prognostically distinct molecular subtypes and can be applied to diagnostic specimens (biopsy/curettings) enabling earlier informed decision-making. We have strictly adhered to the Institute of Medicine (IOM) guidelines for the development of genomic biomarkers, and herein present the final validation step of a locked-down classifier before clinical application.Patients and methodsWe assessed a retrospective cohort of women from the Tübingen University Women’s Hospital treated for endometrial carcinoma between 2003 and 2013. Primary outcomes of overall, disease-specific, and progression-free survival were evaluated for clinical, pathological, and molecular features.ResultsComplete clinical and molecular data were evaluable from 452 women. Patient age ranged from 29 to 93 (median 65) years, and 87.8% cases were endometrioid histotype. Grade distribution included 282 (62.4%) G1, 75 (16.6%) G2, and 95 (21.0%) G3 tumors. 276 (61.1%) patients had stage IA disease, with the remaining stage IB [89 (19.7%)], stage II [26 (5.8%)], and stage III/IV [61 (13.5%)]. ProMisE molecular classification yielded 127 (28.1%) MMR-D, 42 (9.3%) POLE, 55 (12.2%) p53abn, and 228 (50.4%) p53wt. ProMisE was a prognostic marker for progression-free (P= 0.001) and disease-specific (P= 0.03) survival even after adjusting for known risk factors. Concordance between diagnostic and surgical specimens was highly favorable; accuracy 0.91, κ 0.88.DiscussionWe have developed, confirmed, and now validated a pragmatic molecular classification tool (ProMisE) that provides consistent categorization of tumors and identifies four distinct prognostic molecular subtypes. ProMisE can be applied to diagnostic samples and thus could be used to inform surgical procedure(s) and/or need for adjuvant therapy. Based on the IOM guidelines this classifier is now ready for clinical evaluation through prospective clinical trials.

Cytotoxic CD8+ tumor-infiltrating lymphocytes (TILs) participate in immune control of epithelial ovarian cancer; however, little is known about prognostic patterns of CD8+ TILs by histotype and in relation to other clinical factors.

Abstract Purpose: Recent progress in understanding the molecular biology of epithelial ovarian cancer has not yet translated into individualized treatment for these women or improvements in their disease outcome. Gene expression has been utilized to identify distinct molecular subtypes, but there have been no reports investigating whether or not molecular subtyping is predictive of response to bevacizumab in ovarian cancer. Experimental Design: DASL gene expression arrays were performed on FFPE tissue from patients enrolled on the ICON7 trial. Patients were stratified into four TCGA molecular subtypes. Associations between molecular subtype and the efficacy of randomly assigned therapy with bevacizumab were assessed. Results: Molecular subtypes were assigned as follows: 122 immunoreactive (34%), 96 proliferative (27%), 73 differentiated (20%), and 68 mesenchymal (19%). In univariate analysis patients with tumors of proliferative subtype obtained the greatest benefit from bevacizumab with a median PFS improvement of 10.1 months [HR, 0.55 (95% CI, 0.34–0.90), P = 0.016]. For the mesenchymal subtype, bevacizumab conferred a nonsignificant improvement in PFS of 8.2 months [HR 0.78 (95% CI, 0.44–1.40), P = 0.41]. Bevacizumab conferred modest improvements in PFS for patients with immunoreactive subtype (3.8 months; P = 0.08) or differentiated subtype (3.7 months; P = 0.61). Multivariate analysis demonstrated significant PFS improvement in proliferative subtype patients only [HR, 0.45 (95% CI, 0.27–0.74), P = 0.0015]. Conclusions: Ovarian carcinoma molecular subtypes with the poorest survival (proliferative and mesenchymal) derive a comparably greater benefit from treatment that includes bevacizumab. Validation of our findings in an independent cohort could enable the use of bevacizumab for those patients most likely to benefit, thereby reducing side effects and healthcare cost. Clin Cancer Res; 23(14); 3794–801. ©2017 AACR.

Abstract We aimed to validate the prognostic association of p16 expression in ovarian high‐grade serous carcinomas (HGSC) and to explore it in other ovarian carcinoma histotypes. p16 protein expression was assessed by clinical‐grade immunohistochemistry in 6525 ovarian carcinomas including 4334 HGSC using tissue microarrays from 24 studies participating in the Ovarian Tumor Tissue Analysis consortium. p16 expression patterns were interpreted as abnormal (either overexpression referred to as block expression or absence) or normal (heterogeneous). CDKN2A (which encodes p16) mRNA expression was also analyzed in a subset ( n = 2280) mostly representing HGSC ( n = 2010). Association of p16 expression with overall survival (OS) was determined within histotypes as was CDKN2A expression for HGSC only. p16 block expression was most frequent in HGSC (56%) but neither protein nor mRNA expression was associated with OS. However, relative to heterogeneous expression, block expression was associated with shorter OS in endometriosis‐associated carcinomas, clear cell [hazard ratio (HR): 2.02, 95% confidence (CI) 1.47–2.77, p < 0.001] and endometrioid (HR: 1.88, 95% CI 1.30–2.75, p = 0.004), while absence was associated with shorter OS in low‐grade serous carcinomas (HR: 2.95, 95% CI 1.61–5.38, p = 0.001). Absence was most frequent in mucinous carcinoma (50%), and was not associated with OS in this histotype. The prognostic value of p16 expression is histotype‐specific and pattern dependent. We provide definitive evidence against an association of p16 expression with survival in ovarian HGSC as previously suggested. Block expression of p16 in clear cell and endometrioid carcinoma should be further validated as a prognostic marker, and absence in low‐grade serous carcinoma justifies CDK4 inhibition.

Abstract Purpose: Gene expression–based molecular subtypes of high-grade serous tubo-ovarian cancer (HGSOC), demonstrated across multiple studies, may provide improved stratification for molecularly targeted trials. However, evaluation of clinical utility has been hindered by nonstandardized methods, which are not applicable in a clinical setting. We sought to generate a clinical grade minimal gene set assay for classification of individual tumor specimens into HGSOC subtypes and confirm previously reported subtype-associated features. Experimental Design: Adopting two independent approaches, we derived and internally validated algorithms for subtype prediction using published gene expression data from 1,650 tumors. We applied resulting models to NanoString data on 3,829 HGSOCs from the Ovarian Tumor Tissue Analysis consortium. We further developed, confirmed, and validated a reduced, minimal gene set predictor, with methods suitable for a single-patient setting. Results: Gene expression data were used to derive the predictor of high-grade serous ovarian carcinoma molecular subtype (PrOTYPE) assay. We established a de facto standard as a consensus of two parallel approaches. PrOTYPE subtypes are significantly associated with age, stage, residual disease, tumor-infiltrating lymphocytes, and outcome. The locked-down clinical grade PrOTYPE test includes a model with 55 genes that predicted gene expression subtype with &gt;95% accuracy that was maintained in all analytic and biological validations. Conclusions: We validated the PrOTYPE assay following the Institute of Medicine guidelines for the development of omics-based tests. This fully defined and locked-down clinical grade assay will enable trial design with molecular subtype stratification and allow for objective assessment of the predictive value of HGSOC molecular subtypes in precision medicine applications. See related commentary by McMullen et al., p. 5271

5509 Background: ICON7 demonstrated that the addition of bevacizumab to carboplatin and paclitaxel improves progression free survival (PFS), but not overall survival (OS) in first-line treatment of ovarian cancer. Our aim was to determine if response to bevacizumab was associated with the molecular classification as described by The Cancer Genome Atlas (TCGA) project. Methods: Core biopsies from formalin fixed paraffin embedded (FFPE) tissue blocks were examined to ensure >70% tumor nuclei from 425 of 455 ICON7 patients enrolled in Germany. Quality Illumina Whole-Genome DASL HT global gene expression data was generated to stratify 380 (89%) patients into four TCGA subclassifications. Median PFS with 95% confidence intervals (CI) and log rank tests were used to evaluate treatment effect on PFS in the presence of non-proportional hazards. Results: Molecular classification was as follows: 86 were differentiated (23%), 124 immunoreactive (33%), 73 mesenchymal (19%), and 97 proliferative (25%). The groups were balanced over treatment arms. 267 (70.3%) were of serous histology. Patients with serous carcinomas of mesenchymal subtype obtained the greatest benefit from bevacizumab with an improvement of median PFS of 9.5 months (25.5 [95%CI 21.1, NA] vs. 16 [95%CI 10.5, NA] months, p=0.053). In contrast, the differentiated, immunoreactive and proliferative subtypes demonstrated median PFS improvements of 5.8 (19.4 [18.6, NA] vs. 13.6 [9.7, 32.7], p=0.35), 3.4 (17.9 [15.9, NA] vs. 14.6 [12.4, NA], p=0.38) and 3.2 months (21.5 [19.8, 29] vs. 18.3 [13.8, NA], p=0.76), respectively. Patients with mesenchymal tumors or high risk clinical characteristics (suboptimal stage III, all stage IV) (46% of cohort) demonstrated a 7.3 month improvement in median PFS with bevacizumab (19.8 [18.3, 23.7] vs. 12.5 [10.1, 16.2] months, p<0.01). Conclusions: Assignment to molecular subclassifications based on gene expression signatures was feasible using FFPE tissue. Patients with mesenchymal subtype ovarian cancer may be most likely to obtain sustained benefit from treatment with bevacizumab.

Predicting surgical outcome could improve individualizing treatment strategies for patients with advanced ovarian cancer. It has been suggested earlier that gene expression signatures (GES) might harbor the potential to predict surgical outcome.Data derived from high-grade serous tumor tissue of FIGO stage IIIC/IV patients of AGO-OVAR11 trial were used to generate a transcriptome profiling. Previously identified molecular signatures were tested. A theoretical model was implemented to evaluate the impact of medically associated factors for residual disease (RD) on the performance of GES that predicts RD status.A total of 266 patients met inclusion criteria, of those, 39.1% underwent complete resection. Previously reported GES did not predict RD in this cohort. Similarly, The Cancer Genome Atlas molecular subtypes, an independent de novo signature and the total gene expression dataset using all 21,000 genes were not able to predict RD status. Medical reasons for RD were identified as potential limiting factors that impact the ability to use GES to predict RD. In a center with high complete resection rates, a GES which would perfectly predict tumor biological RD would have a performance of only AUC 0.83, due to reasons other than tumor biology.Previously identified GES cannot be generalized. Medically associated factors for RD may be the main obstacle to predict surgical outcome in an all-comer population of patients with advanced ovarian cancer. If biomarkers derived from tumor tissue are used to predict outcome of patients with cancer, selection bias should be focused on to prevent overestimation of the power of such a biomarker.See related commentary by Handley and Sood, p. 9.

Abstract Our objective was to test whether p53 expression status is associated with survival for women diagnosed with the most common ovarian carcinoma histotypes (high‐grade serous carcinoma [HGSC], endometrioid carcinoma [EC], and clear cell carcinoma [CCC]) using a large multi‐institutional cohort from the Ovarian Tumor Tissue Analysis (OTTA) consortium. p53 expression was assessed on 6,678 cases represented on tissue microarrays from 25 participating OTTA study sites using a previously validated immunohistochemical (IHC) assay as a surrogate for the presence and functional effect of TP53 mutations. Three abnormal expression patterns (overexpression, complete absence, and cytoplasmic) and the normal (wild type) pattern were recorded. Survival analyses were performed by histotype. The frequency of abnormal p53 expression was 93.4% (4,630/4,957) in HGSC compared to 11.9% (116/973) in EC and 11.5% (86/748) in CCC. In HGSC, there were no differences in overall survival across the abnormal p53 expression patterns. However, in EC and CCC, abnormal p53 expression was associated with an increased risk of death for women diagnosed with EC in multivariate analysis compared to normal p53 as the reference (hazard ratio [HR] = 2.18, 95% confidence interval [CI] 1.36–3.47, p = 0.0011) and with CCC (HR = 1.57, 95% CI 1.11–2.22, p = 0.012). Abnormal p53 was also associated with shorter overall survival in The International Federation of Gynecology and Obstetrics stage I/II EC and CCC. Our study provides further evidence that functional groups of TP53 mutations assessed by abnormal surrogate p53 IHC patterns are not associated with survival in HGSC. In contrast, we validate that abnormal p53 IHC is a strong independent prognostic marker for EC and demonstrate for the first time an independent prognostic association of abnormal p53 IHC with overall survival in patients with CCC.

(Abstracted from N Engl J Med 2024;390:9) Radical hysterectomy is the standard-of-care treatment for early-stage cervical cancer; however, observational studies suggest no survival benefit between patients who undergo radical hysterectomy versus simple hysterectomy for stage IA2 cervical cancer. Additionally, 2 recent large studies have raised the question of whether simple hysterectomy compares favorably overall with radical hysterectomy in stage IA2 or IB1 disease with mixed evidence.

(Abstracted from Int J Gynecol Cancer 2024;0:1–6) Endometrial cancer can be classified at the molecular level to categorize tumors with important diagnostic, prognostic, and therapeutic implications. The copy number high group is characterized by a very high number of somatic copy number alterations, low mutation rate, and frequent TP53 mutations.