Tilbake til søkeresultatene

BEHANDLING-God og treffsikker diagnostikk, behandling og rehabilitering

Personalized Clinical Management of Endometrial Cancer using Liquid Biopsy, Genomics and Artificial Intelligence

Alternativ tittel: Individuell behandling av livmorkreft ved bruk av flytende biopsier, genomikk og kunstig intelligens

Tildelt: kr 3,1 mill.

Persontilpasset behandling innen kreft har gjort store fremskritt for enkelte kreftformer, men er fremdeles lite benyttet for endometriekreft. Endometriekreft er den vanligst gynekologiske kreftformen og oppstår I slimhinnen I livmoren. Forekomsten av endometriekreft er økende, og selv om prognosen er relativt god dersom sykdom oppdages I et tidlig stadium, er prognosen dårligere for pasienter med aggressiv eller avansert sykdom. For å forbedre behandling for pasienter med dårlig prognose er det behov for dypere forståelse for biologien som forårsaker spredning samt å undersøke intratumor heterogenitet, altså ulikheter, mellom disse svulstene. Prosjektet er et samarbeid mellom europeiske sentre der ekspertise innen kreftbiologi, biomarkører, genetikk og kunstig intelligens skal bringes sammen for å utvikle bedre verktøy både for diagnostisering og behandling. Prosjektet søker å utvikle nye modeller som i større grad ligner de ulike molekylære typene av sykdommen. Disse vil benyttes til å utvikle nye behandlingsstrategier, basert på genetiske endringer i den spesifikke svulsten, som bidrar til bedre behandling og dermed bedre livskvalitet for pasienter når behandlingen er avsluttet.

In the era of precision oncology, personalized management represents a challenge in Endometrial Cancer (EC). The incidence of this cancer has increased in the last years, and although patient prognosis is favorable in early stages, the prognosis for advanced disease are still poor and therapeutic options are few. This has a dramatic negative effect on the overall survival of EC patients with advanced disease. Thus, to improve the personalized treatment of poor prognosis EC patients, it is vital to gain knowledge on the cancer molecular biology and to also capture the innate intratumor heterogeneity (ITH) of these tumors. The objective of the present proposal is to reach personalized EC management by developing new tools that recapitulate the heterogeneous molecular composition of tumors and establish new and effective therapeutic regimens. In order to address these challenges, our consortium proposes to develop a new and robust algorithm, named ECLAI, to predict recurrence and therapy response in high-risk EC. Furthermore, we will aim to identify the best therapeutic options to advance personalized treatment of these patients. For this, the consortium will combine: a) the use of non-invasive biopsies, which capture ITH, to study the genomic landscape and to monitor the disease evolution of EC, b) the generation of valuable preclinical models to test alternative targeted therapies and c) the application of machine learning strategies to decipher a recurrence and therapeutic response rate algorithm with clinical application. This workflow will be applied with the advisory and support of patients’ associations and ENITEC, the European research network on EC. All together, this pioneering strategy has the final goal to improve the management and life quality of EC patients who currently have limited clinical opportunities.

Budsjettformål:

BEHANDLING-God og treffsikker diagnostikk, behandling og rehabilitering

Temaer og emner

Ingen temaer knyttet til prosjektet