APOLLO 11, Consortium van Italiaanse centra die betrokken zijn bij de behandeling van patiënten met longkanker die worden behandeld met innovatieve therapieën: gegevens uit de praktijk en translationeel onderzoek

Met de komst van verschillende innovatieve therapieën ("target"-therapieën, immunotherapie (IO) en/of therapieën van de volgende generatie), vertegenwoordigt de identificatie van prognostische/voorspellende en/of resistentiebiomarkers de hoofddoelen van translationeel onderzoek naar gevorderde longkanker (aLC) . Met name met de komst van IO is het behandelingslandschap van patiënten met gevorderde niet-kleincellige longkanker (NSCLC) (pts) radicaal veranderd, waardoor de algehele overleving (OS) aanzienlijk is verlengd. De rol van Programmed Death Ligand 1 (PD-L1) blijft ongedefinieerd en tot op heden wordt er geen andere biomarker gebruikt om patiënten voor IO te selecteren. Frameworks voor kunstmatige intelligentie (AI), die informatie uit verschillende gegevensbronnen synthetiseren en correleren, is een potentieel zeer efficiënt instrument om algoritmen te construeren die de geïndividualiseerde voorspelling versterken.

Het hoofddoel van APOLLO 11 is het bouwen van een sterk Italiaans langdurig longkankernetwerk (in ongeveer 48 Italiaanse centra) op basis van gegevens uit de echte wereld en translationeel onderzoek door een gedecentraliseerde nationale langetermijndatabase en een "virtuele" biobank op meerdere niveaus te creëren. Dit zal een waardeloze verspreiding van gegevens over een enkele instelling voorkomen, die vaak ongebruikt en onduidelijk blijven vanwege het beperkte aantal patiënten en de lage statistische power. Bovendien zal APOLLO 11 profiteren van de gezamenlijke inspanningen op het gebied van translationeel onderzoek met het credo "eenheid is kracht". De structuur met meerdere niveaus is ook ontworpen voor de kleinste centra en geeft hen de mogelijkheid om bij te dragen aan de biobank door naar hun interne faciliteiten te kijken.

APOLLO 11 heeft als doel om het consortium op te richten door ten minste 20 van de 48 betrokken centra volledig te activeren die in staat zijn om gegevens binnen de database te verzamelen en om de activering te garanderen voor ten minste 10 biobanken die monsters kunnen verzamelen (tumorweefsel, bloed, ontlasting en urine). Bovendien is het belangrijkste wetenschappelijke doel van het project om antwoorden te geven over een NSCLC-patiënt behandeld met IO. Probeer in het bijzonder een "software"-biomarker te vinden die de IO-selectie beter kan voorspellen in vergelijking met standaardzorg voor een enkele biomarker (bijv. PD-L1, TMB) met behulp van kunstmatige intelligentie/machine/deep learning (AI/DL/ML)-methodologieën. Real-world (demografische, histologische, PD-L1, moleculaire, informatie over behandeling en resultaten, enz.), radiomics en waar beschikbaar (uit eerdere onderzoeken) multiomische gegevens van alle geactiveerde centra zullen worden verzameld. Verder zal single-cell RNA sequencing (scRNA seq) analyse worden uitgevoerd. Ten slotte zal AI/ML/DL worden gebruikt om de multisource-gegevens te integreren, te analyseren en voorspellende algoritmen van IO-efficiëntie in NSCLC-pts te ontwikkelen. Verklaarbare, betrouwbare AI (XAI)-methodologie zal worden gebruikt om de zwarte doos voor het verklaren van klinisch en biologisch inzicht beter te begrijpen.