Personalizing health care in Multiple Sclerosis using systems medicine tools

Skreddersydd eller persontilpasset behandling for personer diagnostisert med multippel sklerose (MS) er essensielt for å kontrollere sykdommen og maksimere livskvaliteten. I Sys4MS-forskningsprosjektet bruker vi "Systems Medicine" for å integrere ulike typer kliniske data, slik at vi kan studere hvordan sykdommen vil utvikle seg og dermed ta bedre valg i oppfølgingen av hver enkelt MS pasient. For å oppnå dette har vi rekruttert en prospektiv kohort av MS-pasienter fulgt på MS-sentrene i Barcelona, Genova, Berlin og Oslo. Gjennom prosjektet har vi samlet kliniske data, avbildnings data, genetiske data og prøver til proteomikk-studier fra 424 pasienter og friske kontroller, hvorav 95 MS pasienter er innsamlet i Oslo. Vi holder på å sluttføre oppfølgingsdata samlet inn to år etter første undersøkelsestidspunkt. Ved hjelp av statistiske verktøy vil vi nå integrere denne mangfoldige informasjonen i våre analyser. Vi vil utvikle nye algoritmer som kan plassere en pasient i en bestemt sykdomsundergruppe, som kan veilede klinikere bedre i å valg av behandling for den enkelte pasient.

Dette prosjektet har medført at fem Europeiske forskningssentre har samarbeidet tett over tre år for å innhente omfattende forskningsdata fra 328 personer med multippel sklerose og 90 friske kontroller. Det er også gjort oppfølgingsundersøkelser og innhenting av ytterligere forskningsdata etter to år som sluttføres rett over sommeren 2019. Det er etablert avanserte statistiske modeller for å nyttegjøre seg av en system-medisin tilnærming til det innsamlede materialet. Videre arbeid med det innsamlede materialet vil pågå i flere år fremover og lede til flere internasjonale publikasjoner i etablerte medisinske tidsskrifter. Vi vil arbeide videre for at resultatene oppnådd i dette prosjekte også skal inngå i andre, store internasjonale samarbeidsprosjekter for å kunne bekrefte våre funn og studere videre sykdomsmekanismene ved multippel sklerose og legge grunnlag for en mer persontilpasset behandling.

Development of personalized health care for complex diseases like Multiple Sclerosis (MS) is hindered by a poor understanding of the biological processes underlying the disease and their interactions, as well as by the heterogeneity between patients. These shortcomings also represent a significant limitation in terms of monitoring or predicting the disease course, as well as in the prescription of the most efficacious or safer therapies. By integrating clinical information with omics data and mathematical models of MS, we aim to develop algorithms that can be used in clinical practice to define the prognosis of the disease and that will help in selecting the best therapeutic approach based on the patients phenotype. We shall focus on 5 different levels of biological complexity to capture and integrate the most relevant information: 1) genomics to evaluate the individuals genetic predisposition; 2) phosphoproteomics to capture the activity ofsignalling pathways involved in the immune response; 3) cytomics to capture the dynamics of the autoimmune response; 4) Imaging to quantify the damage of the central nervous system; 5) clinical phenotype (clinical scales, comorbidities, drug usage, quality of life, health economics) to define the clinical outcomes to be reached. Such an approach will benefit from previous work carried out by members of the consortium in the application of systems medicine to MS, including the development of network models of signalling pathways, mathematical models of the dynamics of immune cells, and the harmonization of multilevel and complex databases to develop clinical decision support systems. By testing such tools in small clinical studies, we shall improve the usefulness of systems medicine tools in clinical practice.