Informatie
Kanker wordt tegenwoordig vaak bestreden met precisiemedicijnen die gericht zijn tegen moleculaire afwijkingen die in een tumor gevonden worden. Helaas reageren niet alle patiënten op zulke precisietherapie. Wie wel en wie niet reageert valt meestal niet te voorspellen, wat resulteert in een hoge mate van overbehandeling.
Immuun-checkpointremmers
Een concreet voorbeeld is het gebruik van zogenaamde immuun-checkpointremmers (ICI), oftewel antistoffen die zijn ontworpen om de natuurlijke afweer tegen de tumor te reactiveren. ICI behandeling leidt in sommige gevallen tot volledige genezing, wat heeft geleid tot een brede inzet van ICI behandeling bij, bijvoorbeeld, melanoom, blaaskanker, longkanker en nierkanker.
Ernstige neveneffecten voorkomen
Helaas is genezing of duurzame respons door ICI behandeling beperkt tot een kleine groep patiënten, en de meerderheid van de patiënten (60-80% voor alle kankersoorten) reageert niet en kan zelfs ernstige neveneffecten ondervinden, zoals gezichtsverlies of epilepsie.
Door het voorspellen van de werkzaamheid
Er is daarom een behoefte aan biomarkers die betrouwbaar de werkzaamheid van een ICI behandeling bij een patiënt kunnen voorspellen, de zogenoemde predictieve biomarkers.
Met een algoritme
Het doel van deze studie is om een RNA-expressie gebaseerd algoritme te ontwikkelen om daarmee de kans op respons op de ICI behandeling te voorspellen.
Studie voor blaas en nierkanker patienten
In deze studie zullen blaas- en nierkankerpatiënten die een ICI behandeling hebben ondergaan worden geïncludeerd. Uit het ingevroren tumorweefsel van deze patiënten zal RNA worden geïsoleerd, wat vervolgens zal worden gebruikt voor zogenaamde circular probe-based RNAsequencing (ciRNAseq) analyse. Doordat het materiaal van elke patiënt zal worden voorzien van (genetische) ‘barcodes’ kunnen de tumoren van bijna honderd patiënten tegelijkertijd op een kosteneffectieve manier worden geanalyseerd.
”Blaas- en nierkanker patienten verdienen de beste behandeling, met zo min mogelijk risico’s en zo’n maximaal mogelijk resultaat”
Het vergelijken van hun tumorweefsel en genetische profielen
De ciRNAseq-genexpressieprofielen van groepen blaas en nierkankerpatiënten met verschillende klinische uitkomsten (bijv. volledige respons, gedeeltelijke respons en geen respons op ICI) zullen met elkaar worden vergeleken en onderworpen aan machine learning algoritmen.
Iedere patient de juiste en effectieve behandeling
Wij verwachten dat we de kans op ICI respons kunnen voorspellen aan de hand van algoritmen die gebaseerd zijn op complexe RNA-expressie profielen. Deze gegevens zullen de basis vormen voor vervolg subsidieaanvragen om een klinisch vervolgonderzoek te starten, waarbij de behandeling van kanker met ICI zal worden geleid door de hier ontwikkelde RNA-gebaseerde risicoinschatting.
Hoofdonderzoeker
Dr. Gerald Verhaegh, moleculair bioloog
Mede-onderzoekers
Dr. Toine van der Heijden, uroloog
Dr. Niven Mehra, medisch oncoloog
