Henkilökohtainen kombinaatioterapia munasarjasyöpäpotilaille (OVCURE)
Mikä on tutkimushankkeenne ydin? Mitä tutkitte ja miksi?
OVCURE hankkeessa tutkitaan munasarjasyövän yleisintä ja vakavinta muotoa, korkea-asteista seroosia alatyyppiä. Hoitotulosta huonontaa se, että uusiutuessaan tauti muuttuu usein vastustuskykyiseksi nykyisille solunsalpaajahoidoille. OVCURE hankkeen päämääränä on useita lähestymistapoja yhdistäen kehittää työkaluja, joilla voidaan ennustaa potilaan vaste nykyiseen ensilinjan hoitoon (platina-taksaani yhdistelmähoidot) jo ennen hoitojen aloitusta, sekä löytää kohdennettuja lääkeyhdistelmiä potilaille, joilla on huono kliininen vaste platina-taksaani-hoitoon.
Nykyään puhutaan paljon moni- ja poikkitieteisyydestä sekä tieteidenvälisyydestä. Ovatko ne vain kuluneita, päälle liimattuja yhteistyön muotihokemia vai onko niillä joku selkeä välineellinen merkitys hankkeessanne?
OVCURE hanke on poikkitieteellinen projekti, jossa käytetään potilaista poistettua syöpäkudosta molekyyli- ja laskennallisen tutkimuksen pohjana ja niveltävän tutkimuksen työkaluna. Hankkeen toteutus ei olisi mahdollista ilman kliinikoiden, patologien, solubiologien, systeemibiologien ja matemaatikoiden välistä yhteistyötä. Kliiniset kysymykset ohjaavat tutkimusnäytteiden laajamittaista analysointia eri menetelmillä, joiden toteutus puolestaan viitoittaa systemaattisen näytteiden ottamisen leikkaushoidon yhteydessä.
Yksilöllistetyn terveyden tutkimuksessa on mukana integratiivinen ajattelutapa tutkimuksesta käytäntöön. Miten oma tutkimuksenne näkyy tässä kontekstissa? Onko hankkeellanne muitakin kuin tutkimuksellisia yhteistyötahoja?
OVCURE tutkimushankkeen päätavoite on tuottaa tutkimuksen kautta tietoa, jonka avulla munasarjasyöpää hoitavat lääkärit pystyvät löytämään aiempaa paremmin kullekin munasarjasyöpäpotilaalle tehokkaat hoitomuodot. Hankkeessa tutkimusta tekevät yhdessä potilaiden hoitoon osallistuvat lääkärit, molekyylibiologit ja laskennallisten tieteiden edustajat. Hankkeemme on akateeminen tutkimusprojekti, eikä siinä ole mukana yrityksiä. Tuloksilla saattaa kuitenkin olla merkittävää kaupallista arvoa.
Paljon melua tyhjästä vai suuri käytäntöjen muutos? Arvionne siitä, miten ja milloin yksilöllisen terveyden edistämisen lähestymistapa tulee näkymään selvästi terveydenhuollon toiminnoissa?
Terveydenhuollon toiminnan muutos, esimerkiksi munasarjasyöpäpotilaan ensilinjan hoidon muuttaminen, vaatii perusteellista tutkimusta joka sisältää myös kliinisiä tutkimuksia, jotka ovat erittäin kalliita eivätkä siten ole osa OVCURE-hanketta. Hankkeen tuloksia voidaan käyttää avuksi hoitopäätöksien tekemiseen potilaille, jotka eivät hyödy nykyisistä hoidoista. Lisäksi, hankkeen tutkimustuloksilla tulee toteutuessaan olemaan merkittävä vaikutus käytännön potilashoitoon, säästäen monia potilaita turhilta hoidoilta, jotka aiheuttavat vakavia sivuvaikutuksia ilman hyötyä, ja auttamalla löytämään yhdistelmähoitoja, jotka tehoavat juuri kyseisen potilaan syöpään.
Julkaisut:
Isoviita V-M, Salminen L, Azar J, Lehtonen R, Roering P, Carpen O, Hietanen S, Grenman S, Hynninen J, Färkkilä A, Hautaniemi S. Open source infrastructure for healthcare data integration and machine learning analyses. JCO Clinical Cancer Informatics, 2019, 3:1–16. https://researchportal.helsinki.fi/fi/publications/open-source-infrastructure-for-health-care-data-integration-and-m
Kozłowska E, Färkkilä A, Vallius T, Carpén O, Kemppainen J, Grénman S, Lehtonen R, Hynninen J, Hietanen S, Hautaniemi S. Mathematical modeling predicts response to chemotherapy and drug combinations in ovarian cancer. Cancer Res. 78(14):4036-4044, 2018. https://cancerres.aacrjournals.org/content/78/14/4036.long
Haltia UM, Andersson N, Yadav B, Färkkilä A, Kulesskiy E, Kankainen M, Tang J, Bützow R, Riska A, Leminen A, Heikinheimo M, Kallioniemi O, Unkila-Kallio L, Wennerberg K, Aittokallio T, Anttonen M. Systematic drug sensitivity testing reveals synergistic growth inhibition by dasatinib or mTOR inhibitors with paclitaxel in ovarian granulosa cell tumor cells. Gynecol Oncol. 2017;144(3):621-630. https://researchportal.helsinki.fi/fi/publications/systematic-drug-sensitivity-testing-reveals-synergistic-growth-in
He L, Tang J, Andersson EI, Timonen S, Koschmieder S, Wennerberg K, Mustjoki S, Aittokallio T. Patient-customized Drug Combination Prediction and Testing for T-cell Prolymphocytic Leukemia Patients. Cancer Research 2018; 78(9):2407-2418. https://cancerres.aacrjournals.org/content/early/2018/02/23/0008-5472.CAN-17-3644
Ianevski A, He L, Aittokallio T, Tang J. SynergyFinder: a web application for analyzing drug combination dose-response matrix data. Bioinformatics. 2017;33(15):2413-2415. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5554616/
Links to selected open-access computational/mathematical tools:
CLOBNET- Open source infrastructure for healthcare data integration and machine learning analyses: https://github.com/isoviita/CLOBNET
ComboPred - prioritizing synergistic, selective, and clinically actionable multi-targeting drug combinations for individual patients: https://github.com/hly89/ComboPred
Mathematical model of platinum resistance in high-grade serous ovarian cancer: http://csbi.ltdk.helsinki.fi/pub/home/ekozlows/platinum/
SynergyFinder- an interactive tool for analyzing drug combination dose-response data: https://synergyfinder.fimm.fi/
