Costruzione e valutazione dell'immunoterapia tumorale e del sistema di allarme precoce del danno degli organi basato su multi-omica

Questo progetto si basa sull'analisi approfondita e sull'integrazione dei dati multi-omici, inclusi ma non limitati a genomica, trascrittomica, proteomica e metabolomica. Mira a costruire un sistema completo di warning per il danno alla funzione degli organi negli eventi avversi immuno-correlati (IRAES) associati agli inibitori del checkpoint immunitario (ICIS) durante l'immunoterapia tumorale. L'obiettivo principale di questo sistema è migliorare la sicurezza generale e l'efficacia dell'immunoterapia tumorale.

Innanzitutto, il progetto sfrutta un database per estrarre i dati di omici differenziali dei pazienti con immunoterapia tumorale con disfunzione combinata di organi (comprese infezioni gravi combinate e non combinate) nell'ambito di questo progetto. Integrando gli indicatori biochimici e i relativi dati emodinamici, costruisce un sistema a rischio per la promozione del danno agli organi nei pazienti sottoposti a immunoterapia tumorale, verificando al contempo il suo valore clinico e la sua significatività guida.

I contenuti specifici includono principalmente: catturare molecole specifiche di danno agli organi in pazienti gravi dopo immunoterapia tumorale, geni di screening, proteine e prodotti metabolici legati al danno agli organi (inclusi cardiaco, polmoni, cervello, fegato, reni, tratto gastrointestinale, ecc.) E identificando nuovi biomarcatori di organi specifici in diversi fattori patogeni come immunoterapia, infection, e iragie. Raccoglie informazioni cliniche generali, indicatori biochimici e indicatori emodinamici e combina i dati multi-omici per stabilire un modello di previsione del danno degli organi. Gli algoritmi di apprendimento automatico vengono utilizzati per l'ottimizzazione per costruire un sistema di avviso precoce.

Verrà eseguita l'ottimizzazione del modello all'interno del sistema, insieme alla ricerca clinica prospettica e alla verifica multidimensionale. Valutando l'accuratezza e il rapporto costo-efficacia del modello, fornisce supporto decisionale ai medici e promuove lo sviluppo di cure personalizzate.