Coremine Vitae - to identify personalized treatment options for cancer patients

'One size fits all' tankegangen som har vært dominerende innen kreftbehandling erstattes nå i økende grad av en 'one patient, one therapy' tilnærming basert på den enkelte pasients tumor ? i hovedsak hans/hennes genetiske profil. Persontilpasset medisin (PM) har ofte vist seg å gi en betydelig klinisk fordel. PM er imidlertid ennå ikke tilgjengelig for alle. Det blir viktig å utvikle sofistikerte bioinformatikk verktøy for effektivt å kunne analysere mutasjonsprofiler og identifisere best mulige tilgjengelige behandlingsalternativer. Vi ønsker derfor å utvikle Coremine Vitae (CMV) som et persontilpasset biomedisinsk tilbud for å identifisere best mulig behandlingsalternativ for den enkelte pasient. Mens dagens CMV-produkt håndterer mye av analysen manuelt, ønsker vi å øke automatiseringsgraden ved å utvikle maskinlæring, stordata-analyse og spesialiserte algoritmer for mer effektivt å kunne identifisere og rangere informasjon og behandlingsalternativer. Vi har utviklet en grunnleggende datamodell for å lagre og overføre informasjon mellom CheckWare og Coremine Vitae programvaren. Vi ser på muligheten for å lage en lignende løsning med bruk av FIHR for å tillate direkte integrasjon med EPJ som DIPS og Epic (Helseplattformen). Som en del av automatiseringsprosessen har vi utviklet et rammeverk for digitalisering av Coremine Vitae rapportene for enkel utnyttelse av informasjonselementer fra tidligere rapporter. De første settene med AI-algoritmer (rule-based reasoning) er utviklet for å generere automatiserte søkestrategier basert på sammendrag av pasientprofiler (diagnose, biomarkører, demografi, behandlingshistorie og komorbiditeter). Det første settet med algoritmer for annotering av medisinsk relevante konsepter ? sykdom, biomarkører, behandlingsmodaliteter og medikamenter blir nå testet. Vi har generert og presentert mer enn 10 pasientcase rapporter i tillegg til flere mini- og demonstrasjonsrapporter. Sammen med våre partnere og eksterne samarbeidspartnere har vi gjennomført flere tester for å bedre forstå pasientens, klinikerens og forskerens erfaringer. Resultater fra disse testene gir verdifulle innspill til teknologiutviklingen.

-

State-of-the-art treatment of advanced and metastatic cancer is increasingly incorporating next-generation sequencing to characterize tumor DNA and select targeted treatments based on biomarkers such as mutations or other genomic aberrations. Despite fact that Precision Cancer Medicine based on aberration-matched therapies has been demonstrated to provide significant clinical benefits, this is not universally available to most cancer patients. Many cancer drugs are ineffective for a large proportion of patients, 75% or more, consequently, millions of cancer patients are receiving treatments that give little more than unwanted and severe side effects. In response to this, we want to develop Coremine Vitae, a biomedical intelligence system to identify the best possible treatment options to individual patients. The optimal personalized treatment strategy requires consideration of NGS analyses, other biomarkers, patient status, medical history, as well as patient preferences (side effects, mobility, etc.). While the present Coremine Vitae analysis process handles many steps manually, we aim to develop machine learning and big data analytics to identify and rank evidence and treatment options, and thus dramatically decrease the need for manual effort. In addition, the use of the system will improve process results by allowing more comprehensive searches and reduce the risk of bias. Through our partners, Haukeland University Hospital and Sykehuset Innlandet, we have access to patients needed to develop our system, and at the same time obtain clinical validation of the algorithms and resulting Coremine Vitae analysis reports. A successful outcome of this project will allow us to offer Coremine Vitae as a Software as a Service and scale our business substantially enabling us to enter the global market. This will considerably increase the number of patients who can benefit from clinically validated personalized treatment options and anticipated drug response.