- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05177432
Wykorzystanie kwadratowej platformy optymalizacji fenotypowej (QPOP) w celu lepszego wyboru terapii pacjenta poprzez organoidy pochodzące od pacjenta w raku piersi (QUEST)
Przegląd badań
Szczegółowy opis
Rak piersi (BC) jest wysoce heterogenny z ponad 20 genetycznie, morfologicznie i klinicznie odrębnymi podtypami. Pomimo ulepszonej diagnostyki i szerokiego repertuaru zatwierdzonych klinicznie terapii, pacjenci z przerzutami BC mają fatalny 5-letni wskaźnik przeżycia wynoszący około 20%. Systemowe opcje leczenia raka piersi są empiryczne i oparte na dużych badaniach klinicznych, a możliwość indywidualnego dostosowania wyborów do każdego pacjenta może pomóc w optymalizacji odpowiedzi pacjenta na leczenie.
Główną przeszkodą w opracowywaniu leków jest brak istotnych klinicznie systemów modeli komórkowych. Zastosowanie konwencjonalnych dwuwymiarowych (2D) kultur komórkowych stwarza ograniczenia w rekapitulacji podstawowych cech choroby. W szczególności wykazano, że hodowle jednowarstwowe nie są w stanie odtworzyć heterogennej natury pierwotnych tkanek nowotworowych pacjentów. Pomimo ustanowienia panelu National Cancer Institute 60 (NCI-60) w celu uchwycenia heterogenicznej natury dziewięciu różnych typów raka, nadal nie jest on w stanie kompleksowo przedstawić różnorodności, jaką wykazują pacjenci z rakiem, i jest obecnie wycofywany. Badania porównujące profile molekularne linii komórkowych z guzami pierwotnymi wykazały, że konwencjonalne linie komórkowe nie są w stanie reprezentować wszystkich podtypów raka. Niedawno wykazano, że organoidy pochodzące od pacjentów (PDO) wiernie zachowują i utrzymują heterogenność kilku pierwotnych typów raka, w tym BC, i są wykorzystywane do oceny wrażliwości na leki i związanych z nimi odmian genomowych. Wykazano również, że PDO zachowują profile molekularne guzów rodzicielskich i mogą być skutecznie stosowane do badania odpowiedzi na leki i mechanizmów ex vivo. Tak więc ludzkie PDO mogą zapewnić bardziej istotne klinicznie modele, które mogą podsumować heterogeniczność choroby w celu dokładniejszych badań odpowiedzi na leki w porównaniu z konwencjonalnymi modelami opartymi na liniach komórkowych.
Identyfikacja najbardziej odpowiednich kombinacji leków specyficznych dla pacjenta pozostaje wyzwaniem ze względu na złożone sieci molekularne, które przyczyniają się do mechanizmów sprzężenia zwrotnego lekooporności i kompensacyjnych czynników onkogennych, które ograniczają skuteczność ukierunkowanych inhibitorów. Farmakogenomika jest bardzo przydatna w przewidywaniu wrażliwości na leki i wyniku klinicznego oraz w definiowaniu odpowiednich subpopulacji dla określonych leków w oparciu o biomarkery genetyczne. Podejścia te są w dużej mierze ograniczone do monoterapii i nie mogą identyfikować specyficznych dla pacjenta kombinacji leków ani nie uwzględniają innych zmian genomowych, których nie uwzględniają określone biomarkery. Aby zaradzić temu krytycznemu deficytowi w terapii skojarzonej, badacze opracowali hybrydową platformę eksperymentalno-analityczną, Quadratic Phenotypic Optimization Platform (QPOP), która może oceniać potencjalną odpowiedź na kombinację leków w systemach modeli biologicznych. Badacze początkowo zastosowali QPOP do identyfikacji nowych kombinacji leków przeciwko szpiczakowi mnogiemu opornemu na bortezomib. Ponieważ badacze poprawili wydajność platformy QPOP i zastosowali QPOP w odniesieniu do pierwotnych próbek pobranych od pacjentów i organoidów pochodzących od pacjentów, stało się jasne, że QPOP może być użyteczna jako platforma wspomagania decyzji klinicznych, która może być w stanie zasugerować klinicznie wykonalne i odpowiednie -specyficzne kombinacje leków pochodzące z testów wrażliwości na leki z wykorzystaniem materiałów pochodzących od pacjentów.
Badacze postawili hipotezę, że model przewidywania QPOP można dalej rozszerzyć, aby zastosować go w guzach litych. Wykorzystując raka piersi jako model, zamierzamy zbadać wykonalność QPOP jako platformy wspomagania decyzji klinicznych w celu identyfikacji specyficznych dla pacjenta kombinacji leków w szeregu pacjentów z rakiem piersi. Badacze proponują przeprowadzenie pilotażowego badania klinicznego fazy I w celu przetestowania wykonalności wykorzystania QPOP do kierowania terapią u pacjentów z zaawansowanym rakiem piersi.
Kwalifikujący się pacjenci zostaną poddani świeżej biopsji zmiany nowotworowej w celu uzyskania komórek, które zostaną wykorzystane do wytworzenia organoidów nowotworowych pochodzących od pacjentów. Po pomyślnym wytworzeniu organoidów, organoidy zostaną poddane przesiewowemu panelowi 12 leków, w tym 10 stałych leków i 2 leków, które mogą zostać wybrane przez lekarza na podstawie historii leczenia poszczególnych pacjentów. Panel leków jest wybierany z uwzględnieniem standardowych leków powszechnie stosowanych w leczeniu raka piersi, a także leków/połączeń testowanych w ramach trwających prób terapeutycznych w National University Cancer Institute Singapore (NCIS), do których pacjenci mogą uzyskać dostęp. Stały panel leków będzie obejmował chemioterapię (cisplatyna, 5-fluorouracyl, paklitaksel), terapię hormonalną (tamoksyfen, fulwestrant), terapię ukierunkowaną na HER2 (lapatynib) oraz drobnocząsteczkowe inhibitory kinazy tyrozynowej (abemacyklib, olaparyb, alpelisib, lenwatynib).
Wyniki analizy QPOP zostaną przekazane lekarzowi prowadzącemu, gdy tylko będą dostępne, aby ułatwić wybór terapii. Aby zapobiec opóźnieniom w leczeniu pacjentów w oczekiwaniu na wyniki QPOP, pacjenci mogą otrzymać kolejną linię terapii według uznania lekarza (określaną jako „terapia empiryczna”), a wyniki analiz QPOP mogą być wykorzystane do ukierunkowania dalszych linii leczenia po progresji „terapii empirycznej ".
Typ studiów
Zapisy (Oczekiwany)
Faza
- Faza 1
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Singapore, Singapur
- Rekrutacyjny
- National University Hospital Singapore
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Opis
Część A — Kryteria włączenia i wyłączenia, które należy spełnić zarówno przed włączeniem do badania, jak i przed rozpoczęciem badania leku
Kryteria przyjęcia:
- Wiek >= 21 lat.
- Histologicznie potwierdzony rak piersi dowolnego podtypu (dowolny status receptora estrogenowego, progesteronowego i receptora HER2)
- ECOG 0-1.
- Co najmniej 1 zmiana nowotworowa (pierwotna lub przerzutowa) nadająca się do świeżej biopsji
- Co najmniej 1 mierzalna zmiana nowotworowa w oparciu o kryteria RECIST 1.1
- Szacunkowa długość życia co najmniej 12 tygodni.
- Ma udokumentowaną postępującą chorobę od ostatniej linii terapii.
- Otrzymał co najmniej 1 linię paliatywnej terapii systemowej
- Oczekiwana odpowiednia czynność narządów (szpik kostny, wątroba, nerki) po wyzdrowieniu z ostrej toksyczności wywołanej leczeniem w czasie leczenia badanego leku.
- Podpisana świadoma zgoda pacjenta lub przedstawiciela prawnego.
- Potrafi przestrzegać procedur związanych z nauką.
Kryteria wyłączenia:
Pacjenci zostaną wykluczeni z badania z jednego z następujących powodów:
- Ciąża.
- Karmienie piersią.
- Poważne współistniejące zaburzenia, które mogłyby zagrozić bezpieczeństwu pacjenta lub zagrozić zdolności pacjenta do ukończenia badania, według uznania badacza.
- Aktywna skaza krwotoczna lub miejsce krwawienia.
- Drugi pierwotny nowotwór, który jest klinicznie wykrywalny w momencie rozważania włączenia do badania.
- Historia poważnych zaburzeń neurologicznych lub psychicznych, w tym drgawek lub demencji.
Część B – Dodatkowe kryteria włączenia i wyłączenia, które należy spełnić przed rozpoczęciem badania leku
Kryteria przyjęcia
Pacjenci mogą zostać włączeni do badania tylko wtedy, gdy spełniają wszystkie poniższe kryteria:
• Odpowiednia funkcja narządów, w tym:
Szpik kostny:
- Bezwzględna liczba granulocytów obojętnochłonnych (podzielonych na segmenty i prążki) (ANC) >= 1,5 x 109/l
- Płytki >= 100 x 109/l
- Hemoglobina >= 8 x 109/L
Wątrobiany:
- Bilirubina <= 1,5 x górna granica normy (GGN),
- AlAT lub AspAT <= 2,5x GGN (lub <=5 X z przerzutami do wątroby)
Nerkowy:
- Kreatynina <= 1,5x GGN
Kryteria wyłączenia
Pacjenci zostaną wykluczeni z badania z jednego z następujących powodów:
- Leczenie w ciągu ostatnich 30 dni jakimkolwiek badanym lekiem.
- Jednoczesne podawanie jakiejkolwiek innej terapii przeciwnowotworowej, w tym chemioterapii cytotoksycznej, terapii hormonalnej i immunoterapii w momencie rozpoczęcia leczenia badanym lekiem.
- Poważna operacja w ciągu 28 dni od podania badanego leku.
- Aktywna infekcja, która w opinii badacza mogłaby zagrozić zdolności pacjenta do tolerowania terapii.
- Nie gojąca się rana.
- Źle kontrolowana cukrzyca.
- Objawowe przerzuty do mózgu.
- Przeciwwskazanie do otrzymania specyficznego badania ukierunkowanego na QPOP w ramach leku, który został zalecony na podstawie analiz QPOP (np. źle kontrolowana cukrzyca w przypadku alpelisibu, frakcja wyrzutowa lewej komory <50% w przypadku trastuzumabu-emtanzyny)
- Otrzymano więcej niż 2 linie terapii empirycznej między biopsją guza pod kątem wzrostu organoidów a rozpoczęciem leczenia w ramach badania ukierunkowanego na QPOP (w tym terapii hormonalnej, chemioterapii, terapii celowanej lub immunoterapii)
- Biopsję pod kątem wzrostu organoidów wykonano po ponad 12 miesiącach od rozpoczęcia podawania badanego leku
- Nie wyzdrowiał po ostrej toksyczności z wcześniejszej terapii przeciwnowotworowej
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Leczenie
- Przydział: Nie dotyczy
- Model interwencyjny: Zadanie sekwencyjne
- Maskowanie: Brak (otwarta etykieta)
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Test przesiewowy leków oparty na QPOP przy użyciu organoidów pochodzących z guza pacjenta
Pacjenci z histologicznie potwierdzonym rakiem piersi dowolnego podtypu (dowolny status receptora estrogenowego, progesteronowego i receptora HER2) z co najmniej 1 zmianą nowotworową (pierwotną lub przerzutową) kwalifikującą się do świeżej biopsji i mierzalną na podstawie kryteriów RECIST 1.1 zostaną poddani biopsji w celu pobrania próbki tkanki nowotworowej, która zostanie wykorzystana do wytworzenia organoidów pochodzenia pacjenta (PDO). Komórki pacjentów zostaną poddane testom z 10-12 lekami przeciwnowotworowymi, a po 8-12 tygodniach leczenia w laboratorium zostanie sporządzona tabela wrażliwości na każdy lek. Wyniki zostaną zweryfikowane podczas dyskusji panelowej ekspertów, aby zdecydować o najodpowiedniejszym leczeniu przeciwnowotworowym |
QPOP będzie używany jako platforma wspomagania decyzji klinicznych w celu identyfikacji odpowiednich kombinacji leków dla różnych pacjentów z rakiem piersi, które pochodzą z testów wrażliwości na leki przy użyciu materiałów pochodzących od pacjentów.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Ramy czasowe |
|---|---|
|
Odsetek obiektywnych odpowiedzi mierzony według kryteriów RECIST 1.1 na terapię przeciwnowotworową wybraną przez QPOP (analiza prospektywna).
Ramy czasowe: 3 lata
|
3 lata
|
Miary wyników drugorzędnych
Miara wyniku |
Ramy czasowe |
|---|---|
|
Wskaźnik korzyści klinicznych określony na podstawie odsetka pacjentów z całkowitą odpowiedzią, częściową odpowiedzią lub stabilizacją choroby jako najlepszą odpowiedzią według kryteriów RECIST 1.1 (analiza prospektywna)
Ramy czasowe: 3 lata
|
3 lata
|
|
Czas przeżycia wolny od progresji choroby po terapii opartej na QPOP mierzony według kryteriów RECIST 1.1 (analiza prospektywna)
Ramy czasowe: 3 lata
|
3 lata
|
|
Korelacja wyniku predykcji QPOP dla bezpośredniej przeszłej linii terapii i wskaźnika obiektywnych odpowiedzi na tę terapię (retrospektywna analiza korelacji)
Ramy czasowe: 3 lata
|
3 lata
|
|
Współczynnik korelujących obiektywnych odpowiedzi (ORR) mierzony za pomocą RECIST v1.1 dla biopsji zmiany nowotworowej do analiz QPOP z terapią kierowaną QPOP (retrospektywna analiza korelacyjna)
Ramy czasowe: 3 lata
|
3 lata
|
Współpracownicy i badacze
Publikacje i pomocne linki
Publikacje ogólne
- Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, Jemal A. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2018 Nov;68(6):394-424. doi: 10.3322/caac.21492. Epub 2018 Sep 12. Erratum In: CA Cancer J Clin. 2020 Jul;70(4):313.
- Vlachogiannis G, Hedayat S, Vatsiou A, Jamin Y, Fernandez-Mateos J, Khan K, Lampis A, Eason K, Huntingford I, Burke R, Rata M, Koh DM, Tunariu N, Collins D, Hulkki-Wilson S, Ragulan C, Spiteri I, Moorcraft SY, Chau I, Rao S, Watkins D, Fotiadis N, Bali M, Darvish-Damavandi M, Lote H, Eltahir Z, Smyth EC, Begum R, Clarke PA, Hahne JC, Dowsett M, de Bono J, Workman P, Sadanandam A, Fassan M, Sansom OJ, Eccles S, Starling N, Braconi C, Sottoriva A, Robinson SP, Cunningham D, Valeri N. Patient-derived organoids model treatment response of metastatic gastrointestinal cancers. Science. 2018 Feb 23;359(6378):920-926. doi: 10.1126/science.aao2774.
- Rashid MBMA, Toh TB, Hooi L, Silva A, Zhang Y, Tan PF, Teh AL, Karnani N, Jha S, Ho CM, Chng WJ, Ho D, Chow EK. Optimizing drug combinations against multiple myeloma using a quadratic phenotypic optimization platform (QPOP). Sci Transl Med. 2018 Aug 8;10(453):eaan0941. doi: 10.1126/scitranslmed.aan0941.
- Fong ELS, Toh TB, Yu H, Chow EK. 3D Culture as a Clinically Relevant Model for Personalized Medicine. SLAS Technol. 2017 Jun;22(3):245-253. doi: 10.1177/2472630317697251. Epub 2017 Mar 9.
- Gillet JP, Varma S, Gottesman MM. The clinical relevance of cancer cell lines. J Natl Cancer Inst. 2013 Apr 3;105(7):452-8. doi: 10.1093/jnci/djt007. Epub 2013 Feb 21.
- Ledford H. US cancer institute to overhaul tumour cell lines. Nature. 2016 Feb 25;530(7591):391. doi: 10.1038/nature.2016.19364. No abstract available.
- Virtanen C, Ishikawa Y, Honjoh D, Kimura M, Shimane M, Miyoshi T, Nomura H, Jones MH. Integrated classification of lung tumors and cell lines by expression profiling. Proc Natl Acad Sci U S A. 2002 Sep 17;99(19):12357-62. doi: 10.1073/pnas.192240599. Epub 2002 Sep 6.
- Goodspeed A, Heiser LM, Gray JW, Costello JC. Tumor-Derived Cell Lines as Molecular Models of Cancer Pharmacogenomics. Mol Cancer Res. 2016 Jan;14(1):3-13. doi: 10.1158/1541-7786.MCR-15-0189. Epub 2015 Aug 6.
- Sachs N, de Ligt J, Kopper O, Gogola E, Bounova G, Weeber F, Balgobind AV, Wind K, Gracanin A, Begthel H, Korving J, van Boxtel R, Duarte AA, Lelieveld D, van Hoeck A, Ernst RF, Blokzijl F, Nijman IJ, Hoogstraat M, van de Ven M, Egan DA, Zinzalla V, Moll J, Boj SF, Voest EE, Wessels L, van Diest PJ, Rottenberg S, Vries RGJ, Cuppen E, Clevers H. A Living Biobank of Breast Cancer Organoids Captures Disease Heterogeneity. Cell. 2018 Jan 11;172(1-2):373-386.e10. doi: 10.1016/j.cell.2017.11.010. Epub 2017 Dec 7.
- Shaughnessy JD Jr, Qu P, Usmani S, Heuck CJ, Zhang Q, Zhou Y, Tian E, Hanamura I, van Rhee F, Anaissie E, Epstein J, Nair B, Stephens O, Williams R, Waheed S, Alsayed Y, Crowley J, Barlogie B. Pharmacogenomics of bortezomib test-dosing identifies hyperexpression of proteasome genes, especially PSMD4, as novel high-risk feature in myeloma treated with Total Therapy 3. Blood. 2011 Sep 29;118(13):3512-24. doi: 10.1182/blood-2010-12-328252. Epub 2011 May 31.
- de Mel S, Rashid MBM, Zhang XY, Goh J, Lee CT, Poon LM, Chan EHL, Liu X, Chng WJ, Chee YL, Lee J, Yuen YC, Lim JQ, Chia BKH, Laurensia Y, Huang D, Pang WL, Cheah DMZ, Wong EKY, Ong CK, Tang T, Lim ST, Ng SB, Tan SY, Loi HY, Tan LK, Chow EK, Jeyasekharan AD. Application of an ex-vivo drug sensitivity platform towards achieving complete remission in a refractory T-cell lymphoma. Blood Cancer J. 2020 Jan 27;10(1):9. doi: 10.1038/s41408-020-0276-7. No abstract available.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Oczekiwany)
Ukończenie studiów (Oczekiwany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- BR02/03/21
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .