Narzędzie medycyny personalizowanej do leczenia szpiczaka mnogiego
Szpiczak mnogi wywołany jest nieprawidłową proliferacją plazmocytów, które wydzielają przeciwciała w ramach naturalnej obrony organizmu. Chociaż w przeciągu ostatnich lat pojawiły się różne metody leczenia, żadna z nich nie jest w pełni skuteczna, a pacjenci często poddawani są kilku terapiom, zanim zostanie wybrana skuteczna alternatywa. Dostępność ponad 20 różnych opcji leczenia dodatkowo komplikuje dobór strategii, a heterogeniczność guza i indywidualne cechy pacjenta sprawiają, że terapie mają różne skutki.
Profile ekspresji genów pomagają ustalić skuteczność leczenia
Kluczowym celem zespołu finansowanego przez UE projektu MMpredict było opracowanie narzędzia predykcyjnego, które pomoże w doborze najbardziej skutecznej terapii dla poszczególnych pacjentów ze szpiczakiem mnogim. Na początku partnerzy projektu rozpoznali 92-genową sygnaturę, którą następnie firma SkylineDx przekształciła w badanie diagnostyczne oparte na mikromacierzach – MMprofiler™. Dzięki profilowaniu ekspresji genów ten dostępny na rynku test może wspomóc zarządzanie pacjentami poprzez ocenę ryzyka związanego z chorobą, tym samym ułatwiając stratyfikację pacjentów i ustalanie rokowań. „Zespół projektu MMpredict chciał rozszerzyć wartość kliniczną i możliwości rozwiązania MMprofiler™ o prognozowanie skuteczności leczenia u poszczególnych pacjentów”, wyjaśnia Pieter Sonneveld, koordynator projektu. Bliska współpraca z partnerami klinicznymi umożliwiła naukowcom zebranie i przebadanie materiałów z biobanków, które pobrane zostały od ponad 830 pacjentów ze szpiczakiem mnogim. Do analizy włączono dodatkowo 272 pacjentów, których próbki przebadano za pomocą sekwencjonowania nowej generacji. Wykorzystując narzędzia bioinformatyczne oraz połączenie informacji genetycznych, danych dotyczących leczenia i rokowań, naukowcy odkryli biomarkery predykcyjne. „Dysponowanie mikromacierzami i pełnymi danymi klinicznymi tak dużej liczby pacjentów umożliwiło nam zbadanie biomarkerów predykcyjnych w obrębie różnych krajów, badań i środowisk pacjentów”, podkreśla Erik Valent, starszy naukowiec w firmie SkylineDx będącej partnerem projektu, który odpowiedzialny był za codzienne zarządzanie projektem. Zbadanie tych wszystkich pacjentów oraz ich danych klinicznych i transkryptomicznych pozwoliło naukowcom zidentyfikować konkretne podgrupy pacjentów, którzy wydawali się lepiej reagować na pewne leki niż pozostałe osoby. Dzięki połączeniu profilowania ekspresji genów z już istniejącymi procedurami diagnostycznymi zespołowi udało się poprawić dokładność predykcyjną rozwiązania MMprofiler™ i opracować zalecenia dla danego leczenia.
Zwiększanie skuteczności MMprofiler™
Dokonywanie trafnych wyborów jest niezwykle ważne w leczeniu pacjentów, ponieważ pozwala uniknąć wystąpienia działań niepożądanych związanych z większością leków przeciwnowotworowych. Zespół MMpredict pracował nad terapią personalizowaną, która zdaniem Sonnevelda stanowi „przyszłość onkologii”. Chociaż ocena skuteczności rozwiązania MMprofiler™ jako narzędzia medycyny personalizowanej wymaga dalszych testów, partnerzy podkreślają ogromne znaczenie prowadzenia badań i pogłębiania wiedzy na temat biologii choroby. W połączeniu z rozpoznaniem kluczowych genów i szlaków powiązanych z patogenezą choroby zgromadzone informacje mogą pomóc w podejmowaniu lepszych decyzji dotyczących leczenia poszczególnych pacjentów. Partnerzy projektu mają nadzieję, że dzięki rozwiązaniu MMprofiler™ klinicyści będą w stanie wybrać odpowiednią terapię spośród wachlarza zatwierdzonych strategii. Co roku w Europie diagnozowanych jest około 40 000 nowych przypadków szpiczaka mnogiego, dlatego wybór najlepszej metody leczenia nie tylko poprawi rokowania, ale także obniży powiązane koszty opieki zdrowotnej. Jest to kluczowy aspekt upowszechnienia rozwiązania MMprofiler™ jako precyzyjnego narzędzia terapeutycznego umożliwiającego personalizację leczenia szpiczaka mnogiego.
Słowa kluczowe
MMpredict, MMprofiler™, szpiczak mnogi, decyzja o leczeniu, biomarker, medycyna personalizowana
