Matriz Tissunómica V44.2

Clinical Decision Support System / Anatomo-Patología / Oncología / HER2-Low

VALIDACIÓN CLÍNICA: La Evidencia que Respalda el Modelo

El CDSS Tissunómico no es un ejercicio teórico aislado. Cada componente del algoritmo — desde la eficacia del T-DXd en diferentes niveles de expresión HER2 hasta el impacto de la heterogeneidad espacial en la respuesta terapéutica — está respaldado por evidencia clínica de ensayos fase III y estudios translacionales recientes. Esta sección presenta la validación clínica organizada por los pilares fundamentales del modelo.

PILAR 1: El T-DXd Funciona Across Todo el Espectro de Expresión HER2

El modelo asume que el T-DXd puede destruir células tumorales independientemente de si expresan niveles altos, bajos o mínimos de HER2, siempre que exista proximidad espacial a células que sí lo expresen. Esta premisa está validad por el programa de ensayos clínicos DESTINY-Breast:

  • HER2-positivo (IHC 3+ o IHC 2+/ISH+): DESTINY-Breast01 (fase II, n=184)... ORR 62.0%, mediana de PFS 19.4 meses (análisis actualizado con seguimiento mediano de 26.5 meses; Saura et al., Ann Oncol 2024).[1] | DESTINY-Breast03 (fase III, n=524)... mediana de PFS 28.8 meses vs 6.8 meses (segundo análisis interino; Hurvitz et al., Lancet 2023), confirmada en el análisis a largo plazo con seguimiento de 41 meses: PFS 29.0 vs 7.2 meses, OS 52.6 vs 42.7 meses (Cortés et al., Nat Med 2024), ORR 79% vs 35%.[2]
  • HER2-low (IHC 1+ o IHC 2+/ISH-): DESTINY-Breast04 (fase III, n=557)... PFS 9.9 vs 5.1 meses, OS 23.4 vs 16.8 meses.[3,4]
  • HER2-ultralow (IHC 0 con tinción de membrana): DESTINY-Breast06 (fase III, n=866)... PFS 13.2 vs 8.1 meses. ORR 61.8% vs 26.3% en la población completa HER2-ultralow (Bardia et al., NEJM 2024).[5]
Figura 1 - Progression-free Survival DESTINY-Breast06
← Desliza la imagen para visualizarla completa →Figura 1 - Progression-free Survival DESTINY-Breast06 (Bardia et al., 2024)

La FDA aprobó el T-DXd para tumores HER2-low (2022) y HER2-ultralow (2025)...[6,7]

PILAR 2: El Efecto Bystander Es el Mecanismo Clave en Tumores HER2-Heterogéneos

El modelo asume que la toxina DXd difunde desde las células HER2-positivas hacia las HER2-negativas vecinas.

  • Visualización directa: Suzuki et al. (2021) utilizaron imágenes de Phosphor-Integrated Dots (PID) en modelos de xenoinjerto HER2-heterogéneos, demostrando que mientras el anticuerpo trastuzumab se localiza exclusivamente en áreas HER2-positivas, la toxina DXd difunde hacia las áreas HER2-negativas adyacentes, confirmando visualmente el efecto bystander in vivo.[8]
  • Cuantificación de penetración: Khera et al. (2021, 2022) cuantificaron la penetración del payload bystander con resolución celular en esferoides 3D y tejido tumoral, demostrando que los payloads lipofílicos de ADCs penetran 2-5 capas celulares (30-80 μm) antes de perder concentración letal, y que esta distancia puede modelarse matemáticamente mediante funciones de decaimiento exponencial.[9,10]
  • Mecanismo molecular: Tsao et al. (2025) demostraron que la eficacia del T-DXd en tumores HER2-low/negative puede ser independiente de la internalización del ADC, dependiendo en cambio de proteasas extracelulares como la catepsina L (CTSL) presentes en el estroma tumoral, que clivan el linker del T-DXd y liberan el DXd directamente en el microambiente. Este mecanismo no está modelado en el CDSS actual y constituye una limitación documentada.[11]

PILAR 3: La Heterogeneidad Intratumoral de HER2 Predice Resistencia

El modelo incorpora el índice HER2-HQE como métrica complementaria porque la heterogeneidad intratumoral predice resistencia:

  • Evidencia clínica: Metzger Filho et al. (2021) pCR 0% vs 55%.[12] | Hu et al. (2026) pCR 24.5% vs 62.5%.[13] | Li et al. (2024) análisis transcriptómico.[14]
  • Mecanismos: Goyette et al. (2026) demostraron cooperación subclonal HER2hi/HER2lo.[15]

PILAR 4: La Distribución Espacial Predice la Respuesta al T-DXd

  • El cSPS: El continuous Spatial Proximity Score (cSPS) es un biomarcador de patología computacional que integra la distancia espacial entre células HER2-positivas y HER2-negativas con la intensidad de expresión, generando un score continuo predictivo de respuesta. Estudio ASCO GI 2023 en DESTINY-Gastric01. Pacientes BM+ mPFS 8.3 vs 3.9 meses.[16]
  • Cáncer de mama: Ma et al. (2025) en ensayo FASCINATE-N. En HR-positivo, la agregación espacial de células HER2 3+ se asocia con menor respuesta. Notablemente, en tumores HR-negativos, el predictor principal de respuesta fue la infiltración inmune en lugar de la agregación HER2, lo que refuerza la complejidad del microambiente tumoral reconocida como limitación del modelo.[17]

PILAR 5: La Discordancia HER2 Entre Biopsia Primaria y Metástasis

El modelo incluye un ajuste por riesgo preanalítico respaldado por el estudio HEROIC (2025, n=3.546):

En el estudio HEROIC (ASCO 2025, n=3.546), la discordancia HER2 entre primario y metástasis fue del 20.2% en la era HER2-ultralow. Entre los pacientes tratados con T-DXd (n=1.052), la ORR fue del 55.7% cuando ambas muestras expresaban HER2 (cohorte 1), del 53.1% cuando solo la metástasis expresaba HER2 (cohorte 3), pero solo del 13.0% cuando la metástasis era HER2-null (cohorte 2). Esto demuestra que el HER2 de la metástasis predice mejor la respuesta al T-DXd que el del tumor primario.[18]

PILAR 6: Modelos Farmacocinéticos Validan la Difusión Espacial

  • Burton et al. (2019): Modelo QSP que demuestra que la exposición de células distantes depende fuertemente de la proximidad espacial.[19]
  • Vasalou et al. (2015): Modelo de penetración y transporte intersticial.[20]
  • Wei et al. (2024): Cuantificación espaciotemporal de la actividad bystander y demostración de la mejora de la penetración en tumores sólidos (más allá de detallar la Binding Site Barrier).[21]

Resumen de la Validación Clínica

Componente del ModeloEvidencia de ValidaciónReferencias
Eficacia T-DXd en HER2-positivoDESTINY-Breast01/03: ORR 60.9-79%, PFS 19.4-29.0 meses[1,2]
Eficacia T-DXd en HER2-lowDESTINY-Breast04: PFS 9.9 vs 5.1 meses[3,4]
Eficacia T-DXd en HER2-ultralowDESTINY-Breast06: ORR 57.3% (ITT); 61.8% en subgrupo ultralow[5]
Efecto bystander visualizadoSuzuki 2021: DXd difunde a áreas HER2-negativas[8]
Penetración payload 30-80 μmKhera 2021/2022: Mapeo farmacodinámico celular[9,10]
Heterogeneidad predice resistenciaHu 2026: pCR 24.5% (HQE alto) vs 62.5% (bajo)[13]
Proximidad espacial predice respuestacSPS (ASCO GI 2023): mPFS 8.3 vs 3.9 meses[16]
Discordancia HER2 afecta respuestaHEROIC 2025: ORR 55.7% vs 13.0%[18]
Modelos QSP validan difusiónBurton 2019, Vasalou 2015: Gradientes espaciales[19,20]

Referencias Bibliográficas

  1. Saura C, Modi S, Krop I, et al. Trastuzumab Deruxtecan in Previously Treated Patients With HER2-positive Metastatic Breast Cancer: Updated Survival Results From a Phase II Trial (DESTINY-Breast01). Ann Oncol. 2024;35(3):302-307.
    [1b]Modi S, et al. Trastuzumab Deruxtecan in Previously Treated HER2-Positive Breast Cancer (análisis primario). N Engl J Med. 2020;382(7):610-621.
  2. Cortés J, et al. Trastuzumab Deruxtecan versus Trastuzumab Emtansine for Breast Cancer. NEJM. 2022.
  3. Modi S, et al. Trastuzumab Deruxtecan in Previously Treated HER2-Low Advanced Breast Cancer. NEJM. 2022.
  4. Modi S, et al. Trastuzumab Deruxtecan in HER2-low MBC: Long-Term Survival DESTINY-Breast04. Nature Med. 2025.
  5. Bardia A, et al. Trastuzumab Deruxtecan after Endocrine Therapy in Metastatic Breast Cancer. NEJM. 2024.
  6. Dilawari A, et al. FDA Approval Summary: T-DXd for HR+, HER2-Low or HER2-Ultralow Breast Cancer. JCO. 2025.
  7. Narayan P, et al. FDA Approval Summary: Fam-Trastuzumab Deruxtecan-nxki for HER2-Low MBC. JCO. 2023.
  8. Suzuki M, et al. Visualization of Intratumor PK of T-DXd in HER2 Heterogeneous Model Using PID. Clin Cancer Res. 2021.
  9. Khera E, et al. Quantifying ADC Bystander Payload Penetration With Cellular Resolution. Neoplasia. 2021.
  10. Khera E, et al. Cellular-Resolution Imaging of Bystander Payload Tissue Penetration. Mol Cancer Ther. 2022.
  11. Tsao LC, et al. Effective Extracellular Payload Release and Immunomodulatory Interactions Govern T-DXd. Nature Comms. 2025.
  12. Filho OM, et al. Impact of HER2 Heterogeneity on Treatment Response: Phase II Neoadjuvant T-DM1 + Pertuzumab. Cancer Discov. 2021.
  13. Hu J, et al. Predictors of Response to Neoadjuvant Therapy in HER2-Positive Breast Cancer and HQE. Mod Pathol. 2026.
  14. Li Z, et al. HER2 Heterogeneity and Treatment Response-Associated Profiles in HER2-positive Breast Cancer. JCI. 2024.
  15. Goyette MA, et al. HER2 Heterogeneous Breast Cancer Models Reveal Novel Therapeutic Targets. Cancer Discov. 2026.
  16. Kapil A, et al. Computational pathology–based HER2 quantification to identify novel biomarkers in gastric cancer. J Clin Oncol. 2023;41(suppl 4; abstr 449).
  17. Ma D, et al. Spatial Determinants of Antibody-Drug Conjugate SHR-A1811 Efficacy in Neoadjuvant Treatment. Cancer Cell. 2025.
  18. Zou Y, et al. Impact of HER2-ultralow heterogeneity and optimal threshold on T-DXd efficacy (HEROIC). J Clin Oncol 43, 2025, suppl 16; abstr 1117.
  19. Burton JK, et al. A Systems Pharmacology Model for Drug Delivery to Solid Tumors by ADCs. AAPS Journal. 2019.
  20. Vasalou C, et al. A Mechanistic Tumor Penetration Model to Guide Antibody Drug Conjugate Design. PLoS One. 2015.
  21. Wei Q, et al. Spatiotemporal Quantification of HER2-targeting Antibody-Drug Conjugate Bystander Activity. Clin Cancer Res. 2024.