Establecimiento y aplicación clínica de un modelo de predicción de metástasis a distancia de cáncer de pulmón basado en las características genómicas de las células tumorales circulantes

El cáncer de pulmón es el tipo de cáncer más común en mi país, pero el tiempo de supervivencia a 5 años de los pacientes con cáncer de pulmón es solo del 17 %. Entre ellos, el mayor motivo que afecta el pronóstico del paciente es la metástasis del tumor. Hay muy pocos métodos clínicos adecuados para el tratamiento del cáncer de pulmón metastásico y el efecto curativo no es bueno. Por lo tanto, la vigilancia temprana y las intervenciones para prevenir la colonización a distancia de las metástasis son la clave para mejorar la supervivencia del cáncer de pulmón. La investigación preliminar de este proyecto descubrió que las células tumorales circulantes en la sangre periférica pueden utilizarse como un medio eficaz para el diagnóstico clínico y el tratamiento de tumores malignos de pulmón. A través del análisis de la diferencia en el tiempo y el espacio de la metástasis de los pacientes con cáncer de pulmón, se encuentra que los genomas de las diferentes etapas de la metástasis y los órganos metastásicos del cáncer de pulmón son bastante diferentes y están estrechamente relacionados con la supervivencia del paciente. Por esta razón, proponemos la hipótesis de que las características de mutación genómica de las células tumorales circulantes pueden detectar señales de metástasis tumorales antes que el diagnóstico por imágenes de TC. Para probar esta hipótesis, desarrollaremos un sistema de evaluación del riesgo de metástasis del cáncer basado en la genómica tumoral. En primer lugar, recopilamos grandes datos sobre el genoma del cáncer de pulmón metastásico y primario de bases de datos públicas y utilizamos métodos estadísticos para descartar las características genómicas que están significativamente relacionadas con el cáncer de pulmón metastásico y sus órganos de colonización metastásicos. En segundo lugar, utilizar estas características para desarrollar un conjunto de modelos de aprendizaje automático que puedan determinar el riesgo de metástasis de un cáncer de pulmón en función de las características de su genoma. Finalmente, aplicamos el modelo a la práctica clínica. Al detectar las células tumorales circulantes de pacientes con cáncer de pulmón primario durante el reexamen, establecimos un modelo de reducción de ruido estadístico para extraer las características genómicas y luego lo reemplazamos en el modelo para determinar las células tumorales circulantes que porta el paciente Si existe un riesgo de recurrencia y metástasis. Al comparar los datos de imágenes en la revisión, verificaremos si el modelo detecta señales de metástasis tempranas de cáncer de pulmón antes que los métodos de imágenes. En última instancia, nuestro modelo agregará marcadores genómicos relacionados con el riesgo de metástasis, explorará su orientación farmacológica y proporcionará un poderoso soporte de análisis de big data para la intervención temprana en la colonización de metástasis y la prolongación de la supervivencia de los pacientes con cáncer de pulmón. Si se demuestra el tema, ayudará a aclarar el uso del análisis de big data del genoma tumoral para revelar las mutaciones impulsoras genómicas del cáncer de pulmón metastásico; demostrar la viabilidad de las mutaciones impulsoras del genoma de las células tumorales circulantes para predecir el riesgo de metástasis del cáncer de pulmón; y finalmente aclarar la señal de PI3K/Akt/mTOR. ¿Se pueden utilizar los inhibidores de la vía como diana para la intervención temprana en la metástasis del cáncer de pulmón?