Tailoring the targeted treatment of chronic lymphocytic leukemia

Kronisk lymfatisk leukemi (KLL) er den vanligste formen for leukemi i Europa, og sykdommen kan ikke kureres. Målrettede legemidler har revolusjonert behandlingen av KLL, men mange pasienter utvikler legemiddelresistens, får alvorlige bivirkninger eller får tilbakefall under behandlingen. For å unngå behandling som ikke er effektiv, samt alvorlige bivirkninger, er det nødvendig å skreddersy behandlingen til hver enkelt pasient. Målet med CLL-CLUE prosjektet er å finne nye biomarkører samt å utvikle kunstig intelligens for å kunne veilede behandlingsvalg. Vi forventer at dette vil føre til mer effektiv og presis behandling, samt en reduksjon av bivirkninger. I tillegg vil redusert bruk av legemidler som følge av at behandling som ikke er effektiv unngås, føre til redusert forbruk av legemidler og reduserte utgifter til behandling. I CLL-CLUE prosjektet har vi hentet inn blodprøver fra pasienter som har blitt behandlet for KLL i kliniske studier i Europa. Ved å studere blod som har blitt samlet fra pasientene før behandlingen startet, samt rutinedata fra pasientene, håper vi å kunne finne nye biomarkører som kan indikere hvordan kreften vil respondere på en gitt behandling. Disse biomarkørene vil bli brukt til å veilede presisjonsmedisin for andre pasienter i en prospektiv klinisk studie. I løpet av det første året av den 3-årige prosjektperioden har vi utført ekseperimenter på pasientprøvene og samlet rutinedata fra KLL pasientene som har deltatt i de kliniske studiene vi forsker på i CLL-CLUE. Disse dataene vil danne grunnlaget for å utvikle en veileder for presisjonsbehandling av KLL pasienter.

Chronic lymphocytic leukemia (CLL) is the most common form of leukemia in Europe and it remains incurable. Targeted therapies have revolutionized the treatment of CLL. However, many patients develop resistance, have severe side effects or relapse during treatment. In order to prevent ineffective treatment and toxic effects, there is an unmet clinical need for tailoring optimal therapy for each patient. The CLL-CLUE project will identify novel biomarkers and implement AI-based clinical decision support systems to guide treatment decisions. We expect that this will lead to significantly increased treatment efficacy, individualization of therapy and reduced drug use and side effects. In addition, reduced consumption of drugs and cost-effective outcomes will lower financial stress that the health care providers and patients experience. The CLL-CLUE project will benefit from the transnational consortium, including access to patient samples from established biobanks and ongoing clinical trials, to reach the objectives within the project period. Predictive clinical and molecular biomarkers will be identified and fed into AI algorithms, already developed by the project partners, which will be optimized for predicting treatment outcome in CLL patients. In order to facilitate implementation into health care systems across Europe, health economic models will be developed for high-income and low-income European countries. Emphasis will be placed on involving key stakeholders, including patient organizations and health care professionals for their input before implementation. The AI-based clinical decision support system will be validated in a prospective clinical trial. The proposed project will be carried out as a collaborative effort including leading clinical and molecular research groups in CLL in Europe, together with key competence in development of AI-based decision support system for blood cancer patients and health economic evaluation in Europe.

Publikasjoner hentet fra Cristin

Functional testing of relapsed chronic lymphocytic leukemia guides precision medicine and maps response and resistance mechanisms. An index case

Functional testing to characterize and stratify PI3K inhibitor responses in chronic lymphocytic leukemia

Approach to a patient with “double refractory” chronic lymphocytic leukemia: “Double, double toil and trouble” (Shakespeare)

Functional precision cancer medicine: drug sensitivity screening enabled by cell culture models

Mutational analysis and protein profiling predict drug sensitivity in multiple myeloma cell lines

Mcl-1 and Bcl-xL levels predict responsiveness to dual MEK/Bcl-2 inhibition in B-cell malignancies

1

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet