Improving personalised glioblastoma care by intertwined immunomics and artificial intelligence approaches

Det er et akutt behov for nye behandlingsstrategier som kan forbedre både behandlingen og livskvaliteten for pasienter med glioblastom (GBM). Standardbehandlingen har vært uendret i over 15 år, og median overlevelse for GBM-pasienter er under 15 måneder. Omtrent 25 % av kliniske studier på GBM utforsker immunterapi, og flere av disse har rapportert forbedret overlevelse hos 10-20 % av pasientene. Tumormutasjonsbyrde (TMB) og betennelse har blitt assosiert med respons på immunterapi ved GBM, men en tydelig klinisk effekt har hittil vært hemmet av mangelen på pålitelige biomarkører i denne svært heterogene sykdommen. Nesten alle GBM-svulster vender tilbake, og kan kun bekjempes gjennom en behandlingsstrategi som samtidig vurderer både kliniske og immunologiske faktorer. I tillegg vil IPerGlio-prosjektet undersøke hvordan disse faktorene påvirkes av kjønn og alder. For å oppnå dette må disse variablene integreres med livsstil- og miljøfaktorer ved hjelp av kunstig intelligens (KI). Dette representerer en innovativ tilnærming som kan lede til mer presis og persontilpasset behandling for GBM-pasienter. I IPerGlio-prosjektet vil kliniske og immunologiske data fra 260 GBM-pasienter ved sykehus i Oslo og Roma kombineres med livsstils- og miljødata. Ved hjelp av KI vil prosjektet utvikle modeller som kan identifisere nye biomarkører for prognose og behandling, og lede til bedre kombinasjonsbehandlinger med immunterapi i fremtidige kliniske studier. For å styrke analysene vil prosjektets data valideres opp mot offentlig tilgjengelige datasett. Etiske utfordringer knyttet til datasikkerhet og deling, som er avgjørende for både personlig medisin og KI-baserte tilnærminger, vil bli nøye ivaretatt gjennom tett samarbeid med interessenter og pasientinvolvering. Gjennom dette arbeidet vil IPerGlio bidra til å forbedre kliniske beslutningsprosesser ved GBM, identifisere risikofaktorer som kan begrense kreftutvikling, og sikre at KI-basert, persontilpasset immunterapi leveres på en effektiv og ansvarlig måte.

New treatment strategies to improve patient care and quality of life (QoL) of glioblastoma (GBM) patients are urgently needed. Standard therapy has not changed for over 15 years, and GBM patients have a median survival of less than 15 months. Around 25% of clinical trials in GBM evaluate immunotherapies and several have reported long-term survival benefits in 10-20% of patients. Tumour mutational burden (TMB) and inflammation have been linked to immunotherapy responsiveness in GBM. A clear clinical benefit of immunotherapy has been hampered by the lack of biomarkers in this highly heterogeneous disease. All GBMs recur and recurrence can be limited only via a strategy considering clinical and immunological correlates evaluated in a sex- and age-specific perspective. These correlates must be integrated with key lifestyle/environmental (LE) factors using artificial intelligence (AI) technologies. This represents a novel and potent approach to guide personalised interventions improving GBM patient care and QoL. In IPerGlio, clinical and immune parameters (phenotypical, molecular, functional, and imaging data sets) from 260 GBM patients from three centres will be integrated with LE data by Business Intelligence (BI). By applying AI generated models to these data, IPerGlio will deliver GBM prognostic markers driving decisions for combination treatment with immunotherapy in clinical trials. To improve the learning process, project-derived data will be cross-checked with public datasets (e.g., IVY GBM Atlas Project, GBM Bio Discovery Portal). The ethical challenges regarding data security and sharing posed by personalised medicine and AI approaches will be inclusively addressed by IPerGlio through active stakeholder and patient involvement. Thus, the IPerGlio project will strongly improve GBM clinical decision-making by identifying risk factors amenable to reinforce tertiary prevention and ensuring effective and responsible delivery of AI-guided personalised immunotherapy.