Professor Venkata Manem, der mit der Medizinischen Fakultät der Universität Laval und dem Forschungszentrum des CHU von Québec - Universität Laval verbunden ist, hat nun einen vielversprechenden Schritt in der präklinischen Forschung im Bereich der Präzisions-Radioonkologie gemacht.
Bild Wikimedia
Derzeit verwendet das medizinische Personal ein One-Size-Fits-All-Modell für die Strahlentherapie, mit einer bestimmten Dosis und Frequenz der Bestrahlung, ohne die genomischen Eigenschaften des Tumors zu berücksichtigen.
"Einige Krebsarten werden auf verschiedene Arten und Schemata der Bestrahlung empfindlicher oder resistenter reagieren. Indem wir die Patientinnen und Patienten identifizieren, die niedrigere Dosen erhalten können, könnten wir die Toxizität der Behandlung verringern. Wir könnten auch die Dosis für widerstandsfähigere Tumoren anpassen oder sie mit einer anderen Therapie kombinieren", erklärt Forscher Manem, zuvor als Professor an der Université du Québec à Trois-Rivières tätig.
Derzeit können Vorhersagemarker für die Strahlentherapie allgemein auf alle Krebsarten angewandt werden, aber das Team zielt auf spezifische Marker ab, je nachdem, in welchem Gewebe sich der Tumor entwickelt. "Mit der Verfügbarkeit von gewebespezifischen Daten könnten wir letztendlich Signaturen für verschiedene Arten von Krebs, wie Brust-, Prostata- und Lungenkrebs, erhalten", zeigt sich Professor Venkata Manem begeistert.
"Alle Tumoren sind unterschiedlich, selbst wenn sie in die gleiche Gruppe eingestuft sind, im gleichen Stadium sind und die gleichen anatomischen Merkmale aufweisen. Sie unterscheiden sich in vielen Aspekten, wie den vorhandenen Mutationen, dem Mikroumfeld und der Immunbestandteile. All diese Faktoren können die Antwort auf die Strahlentherapie beeinflussen", fügt Alona Kolnohuz, die Erstautorin der Studie, hinzu.
Dank Daten aus Zelllinien, kombiniert mit Ansätzen basierend auf Bioinformatik und maschinellem Lernen, hat das Forschungsteam einen molekularen Indikator für Sensibilität identifiziert, der in präklinischen Tests überprüft werden könnte, bevor er für die Klinik übernommen wird.
"Die Mehrheit der Studien in diesem Bereich verwendet die Anzahl der Zellen, die eine bestimmte Strahlendosis überleben, zum Beispiel 2 Gy, was gleichbedeutend damit ist, einen einzigen Punkt zu betrachten, um Schlussfolgerungen zu ziehen. Unser Ansatz verwendet stattdessen die Fläche unter der Kurve. Unsere Ergebnisse zeigen, dass dieser Ansatz als Indikator für die Reaktion auf Strahlung in präklinischen Studien in Betracht gezogen werden sollte, da er eine breitere Palette biologischer Prozesse berücksichtigt", erklärt Professor Manem.
Der nächste Schritt seiner Forschung besteht darin, diese molekularen Signaturen mit Daten von Patientinnen und Patienten zu validieren und einen klinischen Test zu entwickeln, der auf maschinellem Lernen basiert. Das Team möchte auch radiosensibilisierende Verbindungen identifizieren, die die therapeutische Wirksamkeit der Strahlungen erhöhen könnten.
"Mit dem Aufkommen der Omics und den auf künstlicher Intelligenz basierenden Technologien ist die Zeit gekommen, dass die Präzisionsmedizin einen großen Schritt nach vorn macht und sich vom herkömmlichen One-Size-Fits-All-Rahmen entfernt", betont Venkata Manem. "Wir glauben, dass die Marker für die Strahlungssensibilität ein enormes Potenzial haben, um die Entscheidungsfindung zu unterstützen, die Behandlung zu personalisieren und die Ergebnisse zu verbessern."
Die Studie wurde in der wissenschaftlichen Zeitschrift BMC Cancer veröffentlicht. Die Mitautoren sind Alona Kolnohuz, Leyla Ebrahimpour, Sevinj Yolchuyeva und Venkata Manem.
Die Doktorandin für Molekularmedizin Alona Kolnohuz, Erstautorin der Studie, und Venkata Manem, Professor der Medizinischen Fakultät und Forscher am Forschungszentrum des CHU von Québec - Universität Laval