Szczepionki przeciwnowotworowe na guzy lite

Glejak jest najczęstszym pierwotnym złośliwym nowotworem wewnątrzczaszkowym, charakteryzującym się ograniczonymi możliwościami leczenia klinicznego i wyjątkowo złym rokowaniem. Istnieje pilna potrzeba rozwoju nowych technologii i praktyki klinicznej. Wraz z rozwojem immunoterapii, szczepionki przeciwnowotworowe stały się gorącym tematem w dziedzinie immunoterapii guzów litych. Kilka badań klinicznych potwierdziło, że szczepionki przeciwnowotworowe mogą poprawić rokowanie u pacjentów z glejakiem. Szczepionki to pierwsza od prawie 30 lat technologia leczenia systemowego, która może jednocześnie wydłużyć całkowite przeżycie pacjentów z nowo zdiagnozowanym glejakiem wielopostaciowym i nawrotowym glejakiem wielopostaciowym w badaniach klinicznych III fazy. To nowatorskie podejście ma znaczną wartość kliniczną i daje nadzieję dużej liczbie pacjentów. Nasz zespół opracował już wcześniej szczepionkę z komórek dendrytycznych (DC) przeciwko glejakowi, a badanie kliniczne II fazy wykazało, że może ona wydłużyć rokowanie u pacjentów z glejakiem. Jednakże kilku pacjentów odnosi mniejsze korzyści z terapii szczepionkowej. Dlatego identyfikacja mechanizmów molekularnych, które powodują, że pacjenci nie reagują na leczenie szczepionką, ma kluczowe znaczenie dla poprawy skuteczności szczepionki. Celem tego projektu jest zebranie różnego rodzaju próbek klinicznych od pacjentów, w tym pacjentów z glejakiem otrzymujących szczepionkę przeciwnowotworową, pacjentów z glejakiem otrzymujących konwencjonalne leczenie kliniczne bez szczepionki przeciwnowotworowej oraz pacjentów nienowotworowych (udar krwotoczny, udar niedokrwienny i urazowe uszkodzenie mózgu). Do utworzenia bazy danych mikrośrodowiska immunologicznego zostaną wykorzystane wysokoprzepustowe techniki sekwencjonowania, a następnie przeprowadzone zostaną analizy bioinformatyczne i eksperymenty z zakresu biologii molekularnej w celu odkrycia mechanizmów molekularnych wpływających na skuteczność szczepionki. Do wydobywania informacji związanych z mechanizmami molekularnymi z obrazów radiologicznych i patologicznych zostaną wykorzystane technologie sztucznej inteligencji i głębokiego uczenia się. Docelowo projekt ma na celu ustanowienie zintegrowanego modelu diagnostyki i leczenia, łączącego dane obrazowe, patologiczne i omityczne, aby przyspieszyć kliniczne zastosowanie szczepionek.