Det er et akutt behov for nye behandlingsstrategier som kan forbedre både omsorgen og livskvaliteten for pasienter med glioblastom (GBM). Til tross for fremskritt innen medisinsk forskning har standardbehandlingen for GBM vært uendret i over 15 år, og median overlevelse er fortsatt under 15 måneder. Omtrent 25 % av pågående kliniske studier på GBM undersøker immunterapi, og noen viser forbedret overlevelse hos 10–20 % av pasientene. Selv om tumor mutasjonsbyrde (TMB) og inflammasjon har vært knyttet til respons på immunterapi, har mangelen på pålitelige biomarkører i denne svært heterogene sykdommen hindret tydelige kliniske effekter.
Nesten alle GBM-svulster kommer tilbake, noe som understreker behovet for behandlingsstrategier som integrerer både kliniske og immunologiske faktorer. IPerGlio-prosjektet tar sikte på å møte dette behovet ved også å undersøke hvordan kjønn og alder påvirker disse faktorene. For å få til dette, vil prosjektet kombinere disse variablene med livsstils- og miljødata, og bruke kunstig intelligens (KI) for å avdekke nye innsikter. Denne innovative tilnærmingen kan føre til mer presis og persontilpasset behandling for GBM-pasienter.
I IPerGlio-prosjektet vil kliniske og immunologiske data fra 260 GBM-pasienter behandlet ved sykehus i Oslo og Roma bli kombinert med livsstils- og miljøinformasjon. Ved hjelp av KI skal prosjektet utvikle prediktive modeller for å identifisere nye biomarkører for prognose og behandling, og legge grunnlaget for bedre kombinasjonsterapier med immunterapi i fremtidige kliniske studier. For å styrke funnene vil dataene bli validert mot offentlig tilgjengelige datasett. Etiske utfordringer knyttet til datasikkerhet og deling – som er avgjørende både i presisjonsmedisin og KI-baserte tilnærminger – vil bli nøye håndtert gjennom tett samarbeid med interessenter og aktiv involvering av pasienter.
Gjennom dette arbeidet vil IPerGlio bidra til bedre kliniske beslutninger ved GBM, identifisere risikofaktorer som kan begrense sykdomsutvikling, og sikre at KI-styrt, personlig immunterapi leveres på en effektiv og ansvarlig måte.
Gjennom dette arbeidet vil IPerGlio bidra til bedre kliniske beslutninger ved GBM, identifisere risikofaktorer som kan begrense sykdomsutvikling, og sikre at KI-styrt, personlig 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.
