شخصی سازی درمان سرطان با ترکیب بیومارکر و ctDNA

به گزارش واحد ژنتیک پایگاه اطلاع رسانی علوم آزمایشگاهی ایران، ترکیب ابزارهای پاتولوژی دیجیتالی تولید شده توسط هوش مصنوعی، ارزیابی هیستوپاتولوژیک مرسوم و تجزیه و تحلیل DNA تومور در گردش (ctDNA) می تواند طبقه بندی درمان بیماران مبتلا به سرطان کولورکتال را پس از جراحی بهبود بخشد. برای بیماران مبتلا به سرطان کولورکتال (CRC)، تخمین زده می شود که 80 درصد از عود سرطان در عرض سه سال پس از برداشتن جراحی رخ می دهد. انتخاب درمان کمکی به روش های مرحله بندی هیستوپاتولوژیک مرسوم بستگی دارد که ابزاری بی درنگ برای طبقه بندی بیمار است. مزایای درمان کمکی نسبتاً حاشیه ای است و واضح است که نیاز به روش های بهتری برای انتخاب بیمارانی وجود دارد که بیشترین سود را از درمان ببرند و در عین حال از افرادی که منفعت دریافت نمی کنند صرفه جویی شود.

دیوید کر، پروفسور دانشگاه آکسفورد و رئیس سابق انجمن اروپایی انکولوژی پزشکی (ESMO) تاکید می کند که هرچه احتمال عود سرطان را بهتر درک کنیم، بهتر می توانیم درمان کمکی خود را تنظیم کنیم و درمان واقعاً شخصی تری را ارائه کنیم. نشان داده شده است که بیوپسی های مایع که ctDNA را شناسایی می کنند، برای تشخیص زودهنگام عود از طریق نظارت مفید هستند و بنابراین پتانسیل شخصی سازی مدیریت بیماران CRC را دارند. با این حال، تجزیه و تحلیل ctDNA پرهزینه است و ارزیابی اولیه وضعیت بیمار معمولا زودتر از چهار هفته پس از جراحی درمانی و دو هفته پس از تکمیل درمان سیستمیک انجام نمی شود. این تاخیر به دلیل تداوم سطوح بالای DNA بدون سلول برای چندین هفته پس از درمان است. با توجه به پیامدهای نامشخص تأخیر در شیمی درمانی بالقوه، و این واقعیت که برخی از بیماران ممکن است ctDNA قابل تشخیص را در ارزیابی پیگیری اولیه خود نشان ندهند، استفاده از نشانگرهای زیستی مبتنی بر بافت را برای تسهیل انتخاب اولیه اولیه درمان پیشنهاد می شود.

نشانگرهای بالینی آسیب شناسی فعلی به تنهایی برای طبقه بندی دقیق بیماران مبتلا به CRC در مراحل اولیه به اندازه کافی خوب نیستند. سه سال پیش، مطالعه ای در The Lancet نشان داد که چگونه می توان از هوش مصنوعی (AI) برای پیش بینی نتایج بیماران CRC استفاده کرد. نشانگر هوش مصنوعی که DoMore-v1-CRC نام دارد، احتمال مرگ خاص سرطان را مستقیماً از تصاویر بخش های هیستوپاتولوژی معمول پیش بینی می کند. بر اساس این یافته ها، نشانگر از آن زمان با نشانگرهای آسیب شناسی بالینی تثبیت شده است تا یک سیستم پشتیبانی تصمیم بالینی (CDSS) برای هدایت انتخاب شیمی درمانی کمکی در مرحله II و III CRC بدون بیماری باقی مانده پس از جراحی ارائه کند.

در مقایسه با طبقه بندی خطر مرسوم برای درمان کمکی، CDSS پیشنهادی گروه بسیار بزرگتری از بیماران با پیش آگهی عالی را شناسایی می کند که احتمالاً با و بدون شیمی درمانی کمکی بقای مشابهی دارند و بنابراین می توانند از عوارض جانبی شدید درمان در امان بمانند. پروفسور کر معتقد است که ادغام بیومارکرهای پیش آگهی دهنده بافتی و خونی، در رابطه با درمان شخصی تر منطقی است. با این رویکرد ترکیبی، می توان از درمان کمکی برای بیش از نیمی از بیماران مبتلا به مرحله II و III CRC پرخطر صرفنظر کرد. این بیماران بسیار بعید است که از درمان کمکی بهره مند شوند. این پارادایم جدید هزینه های اقتصادی و نیازهای پرسنلی را کاهش می دهد و همچنین مدیریت بیماران را با درمان واقعی تر شخصی که در نهایت هدف است، بهبود می بخشد.