Tilbake til søkeresultatene

BEHANDLING-God og treffsikker diagnostikk, behandling og rehabilitering

Computational modelling and functional validation platform for personalised colorectal cancer clinical therapy decision support (ONCOLOGICS)

Alternativ tittel: Computational modelling and functional validation platform for personalised colorectal cancer clinical therapy decision support (ONCOLOGICS)

Tildelt: kr 4,1 mill.

Det er en velkjent utfordring for samfunnet, helsevesenet, og dessverre også for enkeltmennesker, at mange får kreftbehandling som bare virker for noen få. Dette fører med seg høye personlige kostnader - levetid, livskvalitet, bivirkninger - og betydelige samfunnsmessige kostnader - dyre medisiner brukt uten nytte, tapte leveår. Sammen med fremragende forskningsinstitusjoner ved Insitut Curie (Paris), Charité (Berlin), Barcelona Supercomupting Centre (Barcelona), ProtAtOnce (Athen) og Uppsala universitet lanserer NTNU ONCOLOGICS, et konsortium som jobber med å finne persontilpassede behandlinger ved å bruke datasimulering og testing på pasientens egne kreftceller som grunnlag for endelig valg av behandling med enkeltmedisiner eller kombinasjoner av medisiner. Datasimulering er nøkkelen fordi den gjør det mulig å prøve ut mange behandlinger i en datamaskin. Et kjennetegn ved kreftceller er at de har vridd signaltrafikken bort fra signaler som normalt vil hemme cellevekst, og i retning av å favorisere, forsterke, og til og med lage egne signaler som stimulerer til cellevekst. Moderne kreftmedisiner virker ved å endre signaltrafikken, og gir oss en mulighet til å kontrollere signaltrafikk i kreftceller utenfra. Ved å simulere signaltrafikk og medisiners effekt på denne kan man identifisere de mest lovende behandlingene som så testes i laboratoriet på pasientens egne celler. Vi har laget flere kart over signaltrafikken i tykktarmskreftceller og jobber nå med å tilpasse disse til data for enkeltpasienter. Vi vil bruke datamodeller til å studere årsaker til manglende samsvar mellom datamodeller og kreftceller på laboratoriet, og deretter oppdatere datamodellene basert på det vi lærer underveis. Å gå mellom dataprediksjoner og målrettede forsøk styrt av prediksjonene er sentralt i system-medisin. System-medisin søker å forstå kreftsykdom, og annen sykdom, som et resultat av samspillsmekanismer inni celler og mellom ulike celletyper. Basert på samsvar mellom datamodellene og observasjonene på laboratoriet vil vi stadig forbedre vår modellforståelse av kreftsykdommen. Målet er bedre kreftbehandling.

Cancer is the second leading cause of death in the EU. More than 150.000 persons within EU-28 die of colorectal cancer (CRC) every year (more than 10% of all cancer-related deaths). For advanced-stage disease, where surgery is not possible, systemic therapy is used. A few decades ago, chemotherapy was the only option, with overall survival around one year. With chemotherapy, targeted therapies and immunotherapies, survival has now increased to roughly three years. Although new targeted therapies pose great opportunities, the challenge is to link such therapies to those patients that will best respond to them. Five-year survival is still well below 20%, clearly indicating the need for improved tools for patient stratification and personalised therapies. Our systems medicine approach uses computer models for personalised therapy design. Boolean computer models that represent individual patients’ tumours will be used to predict their response to drug therapies, and in silico predictions will be compared to clinical outcome data available from cancer patients and to drug responses in patient-derived spheroid and organoid cultures. Discrepancies between observations and predictions will be analysed to understand why some models fail, and through targeted experiments we will improve Boolean models that better represent individual patients. Our improved modelling platform will take patient tumour data from ex-vivo grown material, produce a short list of promising therapies that subsequently will be tested on the ex-vivo grown material, to deliver patient-specific therapy suggestions to the clinician. We will assess the ethical aspects of how a model-based decision support platform may affect physicians, patients and our health care model. We expect that our decision support platform will improve diagnostics, prognostics and therapy design for advanced stage cancer, improve prognosis for advanced stage cancer, and improve stratification of patients for clinical trials.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

BEHANDLING-God og treffsikker diagnostikk, behandling og rehabilitering