Udvikling af nye personlige 3D prækliniske modeller af pancreas neuroendokrine tumorer (3DPanNET)

Pancreas neuroendokrine tumorer (PanNETs) er karakteriseret ved meget heterogen biologisk adfærd. Et andet karakteristisk træk ved disse neoplasmer er tilstedeværelsen af ​​et tæt vaskulært netværk, der minder om deres fysiologiske modstykke. Faktisk spiller tumormikromiljøet en kritisk rolle i disse neoplasmer og påvirker deres terapeutiske behandling. Selvom de typisk er indolente af natur, er cirka 40 % af PanNET-patienterne metastaserende ved diagnosen, og de kræver ikke-kirurgiske behandlinger såsom somatostatinterapi, kemoterapi, målrettet terapi og peptidreceptor radionuklidterapi (PRRT). Endvidere oplever 1 ud af 5 patienter sygdomstilbagefald efter kirurgisk resektion, hvilket nødvendiggør farmakologiske behandlinger. Der eksisterer i øjeblikket ingen specifikke anbefalinger om den mest effektive terapeutiske sekvens, der skal følges ved tilstedeværelse af metastatisk sygdom/sygdomstilbagefald. En af hovedårsagerne bag dette udækkede kliniske behov er manglen på tilgængelige prækliniske modeller af disse neoplasmer, der er i stand til nøjagtigt at reproducere den primære tumors biologi og fysiologi, og som kan bruges som gyldige platforme til lægemiddeltestning.

Undersøgelsen har til formål at generere en ny 3D in vitro-model af PanNET, der replikerer den komplekse primære tumor in vitro, herunder også tumormikromiljøet (f.eks. vaskulært netværk og stroma, væsentlige elementer i disse neoplasmer), tilpasset til hver patient. Til udviklingen af ​​de nyligt foreslåede modeller vil patienternes kirurgiske prøver indledningsvis blive evalueret af den patologiske enhed, og i tilstedeværelse af patologisk materiale i overskud, der ikke er nødvendigt for den rutinemæssige diagnostiske procedure, vil det blive anvendt til generering af foreslåede personaliserede modeller. 3D kulturteknikker (f.eks. 3D bioprint) vil blive brugt til udviklingen af ​​modellerne. For yderligere at efterligne in vitro-miljøet in vivo vil modellerne blive vedligeholdt under dynamiske forhold.

Disse nyligt foreslåede modeller vil blive udnyttet til at studere de mekanismer, der ligger til grund for sygdomsudvikling og -progression, samt til at udføre lægemiddeltestning.