L'istituzione e l'applicazione clinica di un modello di previsione delle metastasi a distanza del cancro del polmone basato sulle caratteristiche genomiche delle cellule tumorali circolanti

Il cancro al polmone è il tipo più comune di cancro nel mio paese, ma il tempo di sopravvivenza a 5 anni dei pazienti con cancro al polmone è solo del 17%. Tra questi, il motivo principale che influisce sulla prognosi del paziente è la metastasi del tumore. Esistono pochissimi metodi clinici adatti al trattamento del carcinoma polmonare metastatico e l'effetto curativo non è buono. Pertanto, il monitoraggio precoce e gli interventi per prevenire la colonizzazione a distanza delle metastasi sono la chiave per migliorare la sopravvivenza del cancro del polmone. La ricerca preliminare di questo progetto ha scoperto che le cellule tumorali circolanti nel sangue periferico possono essere utilizzate come mezzo efficace per la diagnosi clinica e il trattamento dei tumori maligni del polmone. Attraverso l'analisi della differenza nel tempo e nello spazio delle metastasi dei pazienti con carcinoma polmonare, si è scoperto che i genomi di diversi stadi di metastasi e gli organi metastatici del carcinoma polmonare sono piuttosto diversi ed è strettamente correlato alla sopravvivenza del paziente. Per questo motivo, proponiamo l'ipotesi che le caratteristiche di mutazione genomica delle cellule tumorali circolanti possano rilevare segnali di metastasi tumorali prima della diagnosi di imaging TC. Per testare questa ipotesi, svilupperemo un sistema di valutazione del rischio di metastasi del cancro basato sulla genomica del tumore. Innanzitutto, raccogliamo big data sul genoma del carcinoma polmonare primario e metastatico da database pubblici e utilizziamo metodi statistici per escludere le caratteristiche genomiche che sono significativamente correlate al carcinoma polmonare metastatico e ai suoi organi di colonizzazione metastatica. In secondo luogo, utilizzando queste funzionalità per sviluppare una serie di modelli di apprendimento automatico in grado di determinare il rischio di metastasi di un cancro ai polmoni in base alle caratteristiche del suo genoma. Infine, abbiamo applicato il modello alla pratica clinica. Rilevando le cellule tumorali circolanti di pazienti con carcinoma polmonare primario durante il riesame, abbiamo stabilito un modello di riduzione del rumore statistico per estrarre le caratteristiche genomiche e quindi sostituite nel modello per determinare le cellule tumorali circolanti trasportate dal paziente Se esiste un rischio di recidiva e metastasi. Confrontando i dati di imaging nella revisione, verificheremo se il modello rileva i primi segnali di metastasi del cancro del polmone prima dei metodi di imaging. In definitiva, il nostro modello aggregherà i marcatori genomici relativi al rischio di metastasi, esplorerà il loro targeting per farmaci e fornirà un potente supporto di analisi dei big data per un intervento precoce nella colonizzazione delle metastasi e prolungando la sopravvivenza dei pazienti affetti da cancro del polmone. Se l'argomento viene dimostrato, aiuterà a chiarire l'uso dell'analisi dei big data del genoma tumorale per rivelare le mutazioni del driver genomico del carcinoma polmonare metastatico; dimostrare la fattibilità delle mutazioni del driver del genoma delle cellule tumorali circolanti per prevedere il rischio di metastasi del cancro del polmone; e infine chiarire il segnale PI3K/Akt/mTOR Gli inibitori del percorso possono essere utilizzati come bersaglio per un intervento precoce nelle metastasi del cancro del polmone.