Abstract Purpose: The initial goal of this study was to test the immunologic and clinical effects of a new cancer vaccine consisting of dendritic cells (DC) transduced with the full-length wild-type p53 gene delivered via an adenoviral vector in patients with extensive stage small cell lung cancer. Experimental Design: Twenty-nine patients with extensive stage small cell lung cancer were vaccinated repeatedly at 2-week intervals. Most of the patients received three immunizations. p53-specific responses were evaluated, and phenotype and function of T cells, DCs, and immature myeloid cells were analyzed and correlated with antigen-specific immune responses. Objective clinical response to vaccination as well as subsequent chemotherapy was evaluated. Results: p53-specific T cell responses to vaccination were observed in 57.1% of patients. Immunologic responses to vaccination were positively associated with a moderate increase in the titer of antiadenovirus antibodies, and negatively with an accumulation of immature myeloid cells. One patient showed a clinical response to vaccination whereas most of the patients had disease progression. However, we observed a high rate of objective clinical responses to chemotherapy (61.9%) that immediately followed vaccination. Clinical response to subsequent chemotherapy was closely associated with induction of immunologic response to vaccination. Conclusions: This study provides clinical support for an emerging paradigm in cancer immunotherapy, wherein optimal use of vaccination might be more effective, not as a separate modality, but in direct combination with chemotherapy.

Summary

Background

 Radiotherapy might augment systemic antitumoral responses to immunotherapy. In the PEMBRO-RT (phase 2) and MDACC (phase 1/2) trials, patients with metastatic non-small-cell lung cancer were randomly allocated immunotherapy (pembrolizumab) with or without radiotherapy. When the trials were analysed individually, a potential benefit was noted in the combination treatment arm. However, owing to the small sample size of each trial, differences in response rates and outcomes were not statistically significant but remained clinically notable. We therefore did a pooled analysis to infer whether radiotherapy improves responses to immunotherapy in patients with metastatic non-small-cell lung cancer. 

Methods

 Inclusion criteria for the PEMBRO-RT and MDACC trials were patients (aged ≥18 years) with metastatic non-small-cell lung cancer and at least one unirradiated lesion to monitor for out-of-field response. In the PEMBRO-RT trial, patients had previously received chemotherapy, whereas in the MDACC trial, patients could be either previously treated or newly diagnosed. Patients in both trials were immunotherapy-naive. In the PEMBRO-RT trial, patients were randomly assigned (1:1) and stratified by smoking status (<10 vs ≥10 pack-years). In the MDACC trial, patients were entered into one of two cohorts based on radiotherapy schedule feasibility and randomly assigned (1:1). Because of the nature of the intervention in the combination treatment arm, blinding to radiotherapy was not feasible in either trial. Pembrolizumab was administered intravenously (200 mg every 3 weeks) with or without radiotherapy in both trials. In the PEMBRO-RT trial, the first dose of pembrolizumab was given sequentially less than 1 week after the last dose of radiotherapy (24 Gy in three fractions), whereas in the MDACC trial, pembrolizumab was given concurrently with the first dose of radiotherapy (50 Gy in four fractions or 45 Gy in 15 fractions). Only unirradiated lesions were measured for response. The endpoints for this pooled analysis were best out-of-field (abscopal) response rate (ARR), best abscopal disease control rate (ACR), ARR at 12 weeks, ACR at 12 weeks, progression-free survival, and overall survival. The intention-to-treat populations from both trials were included in analyses. The PEMBRO-RT trial (NCT02492568) and the MDACC trial (NCT02444741) are registered with ClinicalTrials.gov. 

Findings

 Overall, 148 patients were included in the pooled analysis, 76 of whom had been assigned pembrolizumab and 72 who had been assigned pembrolizumab plus radiotherapy. Median follow-up for all patients was 33 months (IQR 32·4–33·6). 124 (84%) of 148 patients had non-squamous histological features and 111 (75%) had previously received chemotherapy. Baseline variables did not differ between treatment groups, including PD-L1 status and metastatic disease volume. The most frequently irradiated sites were lung metastases (28 of 72 [39%]), intrathoracic lymph nodes (15 of 72 [21%]), and lung primary disease (12 of 72 [17%]). Best ARR was 19·7% (15 of 76) with pembrolizumab versus 41·7% (30 of 72) with pembrolizumab plus radiotherapy (odds ratio [OR] 2·96, 95% CI 1·42–6·20; p=0·0039), and best ACR was 43·4% (33 of 76) with pembrolizumab versus 65·3% (47 of 72) with pembrolizumab plus radiotherapy (2·51, 1·28–4·91; p=0·0071). Median progression-free survival was 4·4 months (IQR 2·9–5·9) with pembrolizumab alone versus 9·0 months (6·8–11·2) with pembrolizumab plus radiotherapy (hazard ratio [HR] 0·67, 95% CI 0·45–0·99; p=0·045), and median overall survival was 8·7 months (6·4–11·0) with pembrolizumab versus 19·2 months (14·6–23·8) with pembrolizumab plus radiotherapy (0·67, 0·54–0·84; p=0·0004). No new safety concerns were noted in the pooled analysis. 

Interpretation

 Adding radiotherapy to pembrolizumab immunotherapy significantly increased responses and outcomes in patients with metastatic non-small-cell lung cancer. These results warrant validation in a randomised phase 3 trial. 

Funding

 Merck Sharp & Dohme.

Purpose RRM1 encodes the regulatory subunit of ribonucleotide reductase and is a molecular target of gemcitabine. Previous studies showed increased RRM1 expression on continuous exposure of cell lines to gemcitabine and suggested improved survival for patients with low as opposed to high tumoral RRM1 expression when treated with gemcitabine-containing chemotherapy. However, the principal hypothesis that intratumoral levels of gene expression are associated with disease response has not been addressed. Patients and Methods We constructed genetically modified lung cancer cell lines with increased and decreased RRM1 expression to investigate the in vitro 50% inhibitory concentration (IC 50 ) for gemcitabine, cisplatin, and carboplatin. A prospective phase II clinical trial in patients with locally advanced non–small-cell lung cancer was conducted with pretreatment tumor collection for determination of RRM1 and ERCC1 expression by real-time reverse transcriptase polymerase chain reaction. The levels of gene expression were correlated with tumor response after two cycles of gemcitabine and carboplatin. Results In cell lines with a genetically engineered 15-fold RRM1 expression range, the gemcitabine IC 50 had a 100-fold range, and the cisplatin and carboplatin IC 50 had a two-fold range. They were highest in constructs with high RRM1 expression. In the prospective clinical trial, RRM1 expression was significantly (P = .002) and inversely correlated (r = −0.498) with disease response. ERCC1 expression showed a similar trend (P = .099). Conclusion The results strongly suggest that tumoral RRM1 expression is a major predictor of disease response to gemcitabine/platinum chemotherapy. ERCC1 expression is predictive of response albeit to a lesser degree.

In this phase I/II trial, we evaluated the safety and effectiveness of pembrolizumab, with or without concurrent radiotherapy (RT), for lung and liver lesions from metastatic non-small cell lung cancer (mNSCLC).Patients with lung or liver lesions amenable to RT plus at least one additional non-contiguous lesion were included regardless of programmed death-ligand 1 (PD-L1) status. Pembrolizumab was given at 200 mg every 3 weeks for up to 32 cycles with or without concurrent RT. Metastatic lesions were treated with stereotactic body RT (SBRT; 50 Gy in 4 fractions) if clinically feasible or with traditionally fractionated RT (45 Gy in 15 fractions) if not. The primary end point was the best out-of-field lesion response, and a key secondary end point was progression-free survival (PFS).The median follow-up time was 20.4 months. One hundred patients (20 phase I, 80 phase II) were evaluable for toxicity, and 72 phase II patients were evaluable for treatment response. No patients in the phase I group experienced grade 4-5 events; in the phase II group, two had grade 4 events and nine had grade 3 events. The ORR in the combined-modality cohort (irrespective of RT schema) was 22%, vs 25% in the pembrolizumab group (irrespective of receipt of salvage RT) (p=0.99). In the concurrent pembrolizumab+RT groups, the out-of-field ORRs were 38% in the pembrolizumab+SBRT group and 10% in the pembrolizumab+traditional RT group. When examining the pembrolizumab-alone patients, the out-of-field ORRs were 33% in those designated to receive salvage SBRT (if required) and 17% for salvage traditional RT. In all patients, the median PFS for pembrolizumab alone was 5.1 months (95% CI 3.4 to 12.7 months), and pembrolizumab/RT (regardless of schema) was 9.1 months (95% CI 3.6 to 18.4 months) (p=0.52). An exploratory analysis revealed that for patients with low PD-L1 expression, the median PFS was 4.6 vs 20.8 months for pembrolizumab with and without RT, respectively (p=0.004).Concurrent immunoradiotherapy for mNSCLC is safe, although larger trials are required to address which patients benefit most from RT.NCT02444741.

Abstract Background In non-small cell lung cancer (NSCLC), social determinants of health (SDOHs) influence treatment, but SDOHs with geographic precision are infrequently used in real-world research due to privacy considerations. This research aims to characterize the influence of census-tract level SDOHs on treatment for stage I and IIa NSCLC. Methods Patients diagnosed between 1/1/17 and 9/30/22 with stages I and IIa NSCLC in the Syapse Learning Health Network had their addresses geocoded and linked to five census tract-level indicators of SDOH (social vulnerability index (SVI), percent (%) housing burden, % broadband internet access, primary care shortage area, and rurality). Clinical and demographic characteristics were ascertained from medical records. Nested multinomial logistic regression models estimated associations between SDOHs and initial treatment using two-sided Wald tests. The collective statistical significance of SDOHs was assessed with a likelihood ratio test (LRT) comparing nested models. Descriptive statistics described time-to-treatment-initiation. Results Among 3595 patients, 58% were initially treated with surgery, 29% with radiation, and 12% with “other.” Two SDOH variables were associated with increased relative risk ratios (RRR) for radiation therapy compared to surgery: living in primary care shortage areas (RRR 1.61, 95% CI: (1.23-2.10)) and living in non-metropolitan areas (RRR 1.45 (1.02-2.07)). The LRT suggested that the five SDOH variables collectively improved the treatment model. Further, patients in areas with high SVI, low internet access, and high housing-burden initiated treatment later. Conclusion When using precise estimates of geospatial SDOHs, these measures were associated with treatment, and should be considered in analyses of cancer outcomes.

e14588 Background: CFH is a complement regulatory protein that protects cells from alternative complement pathway activation. Neutralizing antibodies against CFH on tumor cells increase deposition of C3b, facilitate antibody-dependent-cellular phagocytosis and complement dependent cytotoxicity, inhibit tumor growth, and modulate anti-tumor immunity. GT103 is a first-in class, fully human-derived IgG3 anti-CFH monoclonal antibody that recognizes a tumor specific epitope on CFH and has shown anti-tumor activity in preclinical models. Methods: We conducted a phase Ib, first-in-human, dose escalation trial evaluating safety and preliminary efficacy of GT103 in patients (pts) with advanced NSCLC refractory to standard therapies. Pts received GT103 intravenously across six dose levels/schedules following 3+3 design. Primary objectives were to determine maximum tolerated dose (MTD), recommended phase II dose (RP2D), and pharmacokinetic profile of GT103. Secondary objectives were to assess objective response rate, progression free survival (PFS), and overall survival (OS). Here we present updated safety and efficacy results of the study. Results: 31 pts were enrolled from 6/2020 to 9/2023 (median age 63yrs (range, 23-79), 61% had adenocarcinoma, 32% had previously treated brain metastasis). MTD was not reached. Treatment related AEs (TRAEs) observed in ≥10% pts included fatigue (19%), anemia (16%), diarrhea (16%), and nausea (13%). 3 pts developed ≥ grade 3 TRAE, including acute kidney injury, decreased lymphocyte count, and anemia. The best treatment response was stable disease in 9 (29%) pts. Median(m) PFS and mOS were 6 weeks (95% CI 6.0-6.1) and 25.7 weeks (95% CI 19.1-30.6), respectively. 24-week PFS and OS were 9.7% (95% CI 2.5-22.9%) and 50.6% (95% CI 31.9-66.6%), respectively. PD-L1 expression was available in 25 pts. No statistically significant difference (p=0.33) was noted in mPFS between PD-L1 positive (TPS > 1%) vs negative (TPS ≤1%) pts. KRAS and EGFR mutation status was available for 22pts. mPFS and mOS were numerically longer in pts with KRAS positive vs negative disease. While there was no difference in mPFS, 24-weeks PFS was 0 vs 16.7% (95% CI 4.1-36.5%) EGFR MUT vs wild type disease. Biomarker analysis of complement regulatory proteins, FcGR expression and polymorphisms, and changes in sC5b-9 is underway. Conclusions: GT103 was well tolerated across all dose levels. The RP2D of 10mg/kg IV every 3 weeks was selected, although PK modeling will be performed to optimize the dosing schedule. Encouraging anti-tumor activity was seen in heavily pretreated pts with advanced NSCLC with a subset of patients experiencing stable disease lasting for longer than 6 months. Additional biomarker analysis is ongoing. A phase II trial combining GT103 with pembrolizumab in pts with advanced NSCLC is currently enrolling. Clinical trial information: NCT04314089 .

102 Background: Immune checkpoint inhibitor (ICI) therapy is standard-of-care for treatment of mutation-negative advanced non-small cell lung cancer (NSCLC). However, given known inaccuracy of PD-(L)1 markers, there is an unmet need to better identify patients most likely to derive clinical benefit from ICI. We developed and externally validated a generalizable CT imaging-based biomarker to predict response to ICI. Methods: We developed and validated a deep learning radiomic biomarker using an internally curated real-world dataset (RWD) of 2,010 stage IV NSCLC patients treated with PD-(L)1 ICIs in academic and community settings from US and Europe. Patients with missing baseline imaging, missing follow-up data, or EGFR/ALK oncogenic driver mutations were excluded, resulting in a total of 1,188 subjects. This RWD consisted of a discovery cohort (Dataset A, N=844) and a temporally distinct holdout cohort (Dataset B, N=344), which were used to generate performance metrics of the biomarker. To test generalizability, we validated our biomarker in a prospective clinical trial dataset evaluating Sasanlimab in PD-(L)1 therapy-naïve, advanced NSCLC patients (NCT02573259, Dataset C, N=54). We utilized a two-stage learning approach to model 6-month PFS. First, we used an independent multi-task deep-learning feature extractor trained on 19,184 whole chest CT scans. Second, we input the extracted features into a Cox proportional hazard (CoxPH) model along with age, sex, and baseline lesion measurements (sum of longest diameter and distant metastases counts), and the model generated a time-dependent PFS function and a response score. We performed 6-fold cross-validation on Dataset A to train and evaluate the models, which were subsequently ensembled and applied to independent Datasets B and C. To assess independence from PD-L1 status and key demographic covariates, we herein report multivariate adjusted hazard ratios (HR) for the group identified as low-risk based on the biomarker. Results: In Dataset A, the biomarker showed a cross-validation PFS adjusted HR of 0.49 (95% CI 0.38-0.63) in the all-comers cohort and 0.28 (0.17-0.46) in the first-line ICI monotherapy cohort (1LMono). In Dataset B, the PFS adjusted HRs were 0.54 (0.35-0.83) in all-comers and 0.18 (0.05-0.61) in 1LMono. In Dataset C, the adjusted HRs were 0.30 (0.14-0.68) for PFS, 0.29 (0.10-0.83) for OS, 0.31 (0.14-0.72) for TTP. Conclusions: In our validations in RWD and clinical trial cohorts, a deep-learning radiomic biomarker based on routine pre-treatment CT scans predicted response to ICI and stratified patients independently from PD-L1 status. This tool may inform clinical decision-making, such as to help guide whether concomitant chemotherapy may not be needed. In future work, we plan to further validate our approach in larger prospective datasets and expand its use to new indications.

11170 Background: Social determinants of health (SDOH) can identify underserved populations, inform the patient journey, and identify opportunities to improve outcomes. In cancer, SDOH may influence stage at diagnosis through exposure to risk factors for aggressive cancer and decreased access to care. However, privacy restrictions can limit research with SDOH in real world datasets, which often only know a patient’s broad location. Methods: Geocoding was undertaken on addresses of patients diagnosed between 1/1/17 and 9/30/22 with bladder (n=6078), breast (n=28,958), and non-small cell lung cancer (NSCLC, n=14,957) in the Syapse Learning Health Network of U.S. community health systems. Location was linked to five indicators of SDOH at the census tract level: the Social Vulnerability Index (SVI); percent (%) of tract spending >30% of income on housing; % of tract with broadband internet; county designation as a primary care shortage area; and rural urban commuting area (RUCA). Nested multivariable ordinal logistic regression models estimated independent associations between demographic, clinical, and SDOH factors with stage at initial cancer diagnosis. The statistical significance of including SDOH variables was assessed using a likelihood ratio test (LRT) comparing the models before and after including SDOH. Results: After successful geocoding and linkage to census tracts, there were marginal differences in the distribution of the five SDOH across stages at diagnosis within the three tumor types. In multivariable models adjusted for year of diagnosis, age, sex, race, ethnicity, smoking, and primary payor, among the tested SDOH measures, county designated as primary care shortage (proportional odds ratios (OR): 1.31, 95% confidence interval (95% CI): 1.05-1.64), and non-metropolitan area (0.69, 0.50-0.94) were statistically significantly associated with stage at bladder cancer diagnosis. SVI (1.52, 1.31-1.76) was also statistically significantly associated and directly proportional with stage at breast cancer diagnosis. Among patients with NSCLC, broadband internet access (1.01, 1.00-1.01), primary care shortage (1.15, 1.03-1.27) and non-metropolitan area (0.85, 0.74-0.99) were statistically associated with stage at diagnosis. In all three tumors, LRTs found that models with SDOH were statistically significantly better at predicting stage at diagnosis than those without (p <0.001). Conclusions: Using granular, census-tract geospatial resolution for geocoding of SDOH, we find that patients who live in greater vulnerability are diagnosed at later stages than those who live in areas of less vulnerability, suggesting that consideration of SDOH variables is important in assessing stage at diagnosis and identify patients with an unmet need for outreach and screening.