Matikas, Alexios – Optimization of prognostication and therapy prediction in ER-positive, HER2-negative early breast cancer by leveraging integrated proteogenomic analyses

Alexios Matikas
Karolinska institutet
2023
Finansieras med
1 800 000 kr
Diagnos: bröstcancer
Forskningsområde: translationell forskning

Bakgrund

Bröstcancer är den vanligaste cancerformen hos kvinnor - en av 8 kvinnor kommer att få bröstcancer under sin livstid. Ett stort antal studier av tiotusentals kvinnor med tidig bröstcancer har visat att kemoterapi efter kirurgisk resektion av tumören förbättrar överlevnaden hos dessa patienter. En sådan studie var den svenska PANTHER-studien. Kemoterapi kan även ges förre resektion med likvärdig effekt, som vid den svenska PREDIX Lum B-studien och den internationella EORTC ”p53”-studien. Avsaknad av pålitliga markörer leder ibland till underbehandling och oftare till överbehandling, vilket innebär fler biverkningar och ökade kostnader.

Beskrivning

Projektet gäller analys av tumörmaterial som redan har tagits från patienter som deltog i PANTHER, PREDIX Lum B och EORTC-studierna och fokuserar på hormonkänslig bröstcancer, vilket betraktas som en mindre aggressiv variant. Dock har dessa patienter mångårig och ökande risk för återfall i cancer samt stor nytta av cytostatika medan vissa utsättes för onödiga biverkningar. Genexpression, kliniska faktorer och immunmikromiljön kommer att analyseras och de faktorer med störst prediktivt/prognostiskt värde kommer sedan att integreras till en modell som förväntas ha en mycket högre prediktiv kapacitet jämfört med modeller från enskilda källor.

Mål

Med detta projekt avser vi att skapa ett nytt prognostiskt och prediktivt verktyg som kan hjälpa oss selektera rätt behandling för rätt patient med hormonkänslig tidig bröstcancer - 70% av alla bröstcancerfall. Med andra ord kommer vi att skapa ett verktyg som kan hjälpa oss begränsa cytostatika endast till de patienter med bröstcancer som behöver det mest. Långsiktigt förväntas detta projekt leda till kliniskt användbara markörer för att på individnivå kunna välja ut lämpliga kandidater som behandlas med optimerade behandlingar: bättre effekt, färre biverkningar och minskade kostnader är projektets mål.