Marcatori tripli negativi del cancro al seno nelle biopsie liquide che utilizzano l'intelligenza artificiale (TRICIA)

Razionale: la forma più aggressiva di cancro al seno è il cancro al seno triplo negativo (TNBC), così chiamato perché questi tumori non esprimono i recettori ormonali o il recettore HER2 e quindi non hanno molecole facilmente bersagliabili. La chemioterapia è l'unico trattamento, con la chemioresistenza che segnala un esito molto scarso anche nel TNBC precoce. La presenza di tumore residuo alla chirurgia (risposta completa non patologica o non-pCR) segnala chemioresistenza e prognosi sfavorevole, con circa il 30-40% di questi pazienti che muoiono di TNBC entro i primi 5 anni dopo l'intervento. Un recente studio clinico ha dimostrato che l'aggiunta di ulteriore chemioterapia (capecitabina) comporta un miglioramento della sopravvivenza in questi pazienti con non-pCR, sebbene solo il 15% circa di tali pazienti ne tragga beneficio. Uno dei bisogni insoddisfatti più urgenti è quello di identificare i pazienti che staranno bene nonostante la non pCR (in modo da evitare la chemioterapia extra) e che se la caveranno male nonostante essa, e anche identificare i fattori di prognosi infausta che possono portare a nuove strategie terapeutiche in questo gruppo.

Stato attuale di avanzamento della tecnologia: fino ad ora, nessun biomarcatore, ad eccezione delle mutazioni BRCA1/2, ha dimostrato utilità clinica nel trattamento del TNBC, probabilmente a causa della complessa biologia e dell'eterogeneità della malattia. Con i recenti progressi nella metodologia dell'Intelligenza Artificiale, la combinazione e l'integrazione di diversi strati di dati molecolari per prevedere il risultato, fino ad ora impegnativo, diventa una realtà. L'ipotesi è che la combinazione di dati multidimensionali di EV tumorali e plasmatici possa facilitare lo sviluppo di firme prognostiche e predittive in questa malattia molto aggressiva.

Dati preliminari: grazie al nostro studio clinico basato sulla biopsia Q-CROC-03 in cui sono stati raccolti tumore e plasma da pazienti con TNBC resistente alla chemioterapia. I dati dell'intero exome seq sono stati tradotti per generare analisi personalizzate del DNA tumorale circolante (ctDNA). I nostri dati mostrano un potenziale valore prognostico per il rilevamento del ctDNA dopo la chemioterapia preoperatoria. Esiste una collaborazione stabilita con Rodney Ouellette (ACRI) per isolare e profilare le vescicole extracellulari (EV) dal plasma.

Obiettivi: L'obiettivo del presente studio è quello di sviluppare firme di esito buono e scarso nonché di risposta tumorale alla chemioterapia nei TNBC integrando la profilazione multidimensionale di entrambi i tumori e biopsie liquide facendo uso di strumenti di intelligenza artificiale (AI).

Approccio sperimentale: verrà eseguito il profilo degli EV dal plasma raccolto nello studio Q-CROC-03 e nella biobanca JGH (prima, durante e dopo il trattamento chemioterapico). La profilazione includerà il sequenziamento del genoma intero (GWS), la proteomica, la trascrittomica e l'analisi del miRNA. In collaborazione con il nostro partner industriale, My Intelligent Machines (MIMs), esperti in bioinformatica e intelligenza artificiale, verranno sviluppati algoritmi di apprendimento automatico per integrare i dati OMIC di tumori resistenti con dati di EV plasmatici abbinati e generare una firma tumorale/plasma associata a scarso esito . Parallelamente, in collaborazione con EXACTIS Innovation Network, reclutamento dei pazienti, raccolta di tumori residui post chemioterapia e campioni di plasma seriali abbinati durante il trattamento con capecitabina dopo l'intervento chirurgico per eseguire la convalida della firma identificata, la firma del tumore/EV sarà associata alla sopravvivenza del paziente .

Pietre miliari del progetto proposto: 1. Profiling di EV da plasma. 2. Profiling di tumori chemioresistenti 3. Sviluppo di algoritmi per integrare dati multidimensionali da tumori ed EV.

Le firme sviluppate saranno protette da IP. I partner accademici e industriali avranno IP condiviso (rispettivamente % da determinare). I test prognostici saranno sviluppati su biomarcatori identificati e distribuiti attraverso la piattaforma MIMsOmic. MIMsOmic è una piattaforma basata sull'intelligenza artificiale commercializzata dai MIM e che consente una consegna facile, efficiente ed economica di test clinici che coinvolgono l'analisi dei dati Omic.

Il presente progetto svilupperà una firma biomarcatrice di prognosi sfavorevole per il tipo più aggressivo di cancro al seno. Questa firma consentirà l'identificazione dei pazienti che non devono essere trattati con chemioterapia post-operatoria ed eviterà un'esposizione non necessaria alla tossicità associata a questo farmaco.