Opis projektu
Lepsze decyzje w leczeniu raka jajnika
Co roku rak jajnika zabija ponad 44 000 kobiet w Europie. Przyczyną jest brak skutecznych metod leczenia o długotrwałym działaniu. Celem finansowanego ze środków UE projektu DECIDER jest zmniejszenie umieralności związanej z rakiem jajnika oraz redukcja liczby kosztownych, lecz nieefektywnych terapii. W ramach tej inicjatywy analizowane będą dane dotyczące próbek tkanek i osocza oraz próbek histopatologicznych pobranych od pacjentek z surowiczym rakiem jajnika o wysokim stopniu złośliwości (ang. high-grade serous ovarian cancer). W analizach wykorzystane zostaną metody oparte na uczeniu maszynowym i sztucznej inteligencji. Celem jest poprawa zdolności diagnostycznych, umożliwienie przewidywania odpowiedzi na leczenie oraz zidentyfikowanie najbardziej skutecznych terapii. Badacze opracują także oprogramowanie open-source, które pozwoli wizualizować wszystkie istotne dane dotyczące pacjentek, wspierając podejmowanie decyzji klinicznych. Taki znaczący postęp w dziedzinie medycyny spersonalizowanej przełoży się na skuteczniejsze metody leczenia, lepszą stratyfikację w badaniach klinicznych i udoskonalone techniki diagnostyczne, które przyniosą korzyści zarówno pacjentom, jak i systemom opieki zdrowotnej.
Cel
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.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-SC1-2020-Single-Stage-RTD
System finansowania
RIA - Research and Innovation actionKoordynator
00014 HELSINGIN YLIOPISTO
Finlandia