Projektbeschreibung
Fundiertere Entscheidungsfindung bei der Behandlung von Eierstockkrebs
In Europa sterben jedes Jahr mehr als 44 000 Frauen an Eierstockkrebs, da es an wirksamen und langanhaltenden Behandlungen fehlt. Das Ziel des EU-finanzierten Projekts DECIDER ist es, die Zahl der eierstockkrebsbedingten Todesfälle sowie der kostspieligen, aber unwirksamen Behandlungen zu senken. Im Rahmen der Initiative sollen mithilfe von maschinellem Lernen und künstlicher Intelligenz Daten aus Gewebe- und Plasmaproben sowie aus histologischen Proben von Patientinnen mit hochgradigem serösem Ovarialkarzinom untersucht werden. Anhand dieser Analysen sollen die Diagnostik verbessert, das Therapieansprechen vorhergesagt und die wirksamsten Behandlungsoptionen bestimmt werden. Das Forschungsteam wird darüber hinaus eine quelloffene Software entwickeln, um die relevanten patientenspezifischen Daten zu visualisieren und so die klinische Entscheidungsfindung anzuleiten. Dieser bedeutende Fortschritt auf dem Gebiet der personalisierten Medizin ermöglicht wirksamere Behandlungen sowie verbesserte stratifizierte klinische Studien und Diagnoseverfahren – das kommt sowohl den einzelnen Betroffenen als auch dem Gesundheitssystem zugute.
Ziel
The goals of this inter-disciplinary project are to 1) gain understanding of the mechanisms causing chemoresistance in high-grade serous ovarian cancer (HGSOC) patients, 2) deliver tools that enable effective and cost-efficient personalised treatment options for HGSOC patients, and 3) commercialise predictive kits & software for treatment response prediction and finding the right therapeutic regimen to the right patient. This project takes an advantage on prospectively and longitudinally collected fresh and blood specimens of HGSOC patients. Longitudinal, multi-layer data are analysed with ML and AI methods to predict patient treatment response and identify the most effective treatment options. Drug screening with patient-derived 3D ex vivo cell models are used to identify drug combination options. Key results will be validated with retrospective cohorts, and in vitro, ex vivo & in vivo models. We will develop an open-source software to visualise all relevant patient-specific data to guide clinical decision-making. Clinically most actionable treatment suggestions will be evaluated in virtual molecular tumour board and translated to patient care.
Ovarian cancer kills more than 44,000 women in Europe every year due to lack of effective and long-lasting therapeutic regimens. DECIDER presents an innovative strategy to suggest effective treatments that lead to a marked decrease in ovarian cancer deaths and reduce the number of expensive but inefficient treatments. Our approach paves the way to move beyond the current trial-and-error clinical assessment of drug combinations toward more systematic prediction of the most effective treatments for each patient. The proposed concept will be a major breakthrough in personalised medicine and will benefit individual patients and the health-care system through more effective treatments, and the diagnostic and pharmaceutical industry through tools for better stratified clinical trials, and novel treatment and diagnostic modalities.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenUnterauftrag
H2020-SC1-2020-Single-Stage-RTD
Finanzierungsplan
RIA - Research and Innovation actionKoordinator
00014 HELSINGIN YLIOPISTO
Finnland