Prediksjon i Silico av patologisk respons i en prospektiv kohortstudie av tidlige brystkreftpasienter (NEOEPICURE)

Brystkreft (BC) er den vanligste kreftformen hos kvinner i Frankrike med nesten 58 500 nye tilfeller og 12 150 dødsfall anslått i 2018.

To store prestasjoner har blitt gjort de siste fem årene for brystkreftpasienter. Den første er terapeutisk med godkjenning av immunkontrollpunkthemmere i avansert og tidlig trippel-negativ BC (TNBC) og den imponerende effekten av nye antistoff-medikamenter konjugert i alle BC-subtyper. Den andre er konseptuell med generalisering av adaptive terapeutiske strategier styrt av patologiske responser etter neoadjuvant terapi i tidlig TNBC, HER2+, HR+ og BRCA mutert brystkreft. Dette nye paradigmet i behandlingen av kreftpasienter har fullstendig redefinert prognostiske faktorer som tidligere ble etablert med konvensjonelle tilnærminger. Patologisk respons er fortsatt en viktig prognostisk faktor spesielt for tidlig brystkreft TNBC og HER2. Denne parameteren blir imidlertid evaluert ved slutten av neoadjuvant behandling, og for pasienter med gjenværende sykdom forblir prognosen dårlig til tross for noen adaptive strategier.

Vårt prosjekt er å integrere massive og heterogene data om sykdommen (kliniske og biologiske data, bildediagnostikk og histologiske resultater (med multi-omics data)) og pasientens miljø, personlige og familiære historie. Disse dataene er flere og har dynamiske interaksjoner overtid. Ved hjelp av matematiske enheter med biologisk kompetanse og vitenskapelige samarbeid, er vårt prosjekt å forbedre prediksjonen av behandlingsrespons, basert på klinisk og molekylær heterogen stordataundersøkelse.

Hovedmålet med dette prosjektet er å sette opp en klinikkbiologisk database prospektivt ved å samle inn prospektive kliniske, biologiske, patologiske og multiomiske data fra 300 pasienter med tidlig BC behandlet ved ICO for å definere en algoritme for individuell beslutning for prediksjon av responsen på denne behandlingen.