ორგანოიდული მოდელებით პერსონალიზებული კიბოს მკურნალობა — ESMO 2024-ის გამორჩეული კვლევა

ზუსტი ონკოლოგიის ეპოქა

ზუსტი ონკოლოგია კიბოს მკურნალობის ინდივიდუალიზებაზე დაფუძნებული მიდგომაა. ის მიზნად ისახავს თითოეული პაციენტისთვის გენეტიკური, გარემო და ცხოვრების წესის მახასიათებლების მიხედვით ყველაზე შესაფერისი მკურნალობის განსაზღვრას. თანამედროვე მედიცინაში დაავადებების მკურნალობა ხშირად სტანდარტულ პროტოკოლებს ეფუძნება, ზუსტი ონკოლოგია კი პაციენტის უნიკალური მდგომარეობის გათვალისწინებით მკურნალობის პერსონალიზებაზეა ორიენტირებული. ამან შეიძლება მკურნალობის ეფექტიანობა გაზარდოს და გვერდითი ეფექტები მინიმუმამდე შეამციროს.

ზუსტი ონკოლოგიის არსებული გამოყენება

ზუსტ ონკოლოგიაში გამოყენებულ არსებულ მეთოდებს შორისაა გენეტიკური სეკვენირება, ბიომარკერების ტესტები, მიზნობრივი მკურნალობა და მინიმალური ნარჩენი დაავადების ტესტები. ამ მეთოდებით შესაძლებელია პაციენტის სიმსივნეში არსებული სპეციფიკური გენეტიკური მუტაციებისა და სხვა ბიოლოგიური ნიშნების გამოვლენა და ამ ინფორმაციის მკურნალობის არჩევისას გამოყენება. მაგალითად, კონკრეტული მუტაციის მქონე სიმსივნეები სპეციფიკური პრეპარატით შეიძლება უფრო ეფექტიანად მკურნალობდეს.

რა არის პაციენტისგან მიღებული ორგანოიდული მოდელი?

პაციენტისგან მიღებული ორგანოიდები (patient derived organoid= PDO) ლაბორატორიულ პირობებში პაციენტის საკუთარი სიმსივნური ქსოვილიდან გაზრდილი სამგანზომილებიანი უჯრედული კულტურებია. ეს ორგანოიდები პაციენტის სიმსივნის გენეტიკურ და ფენოტიპურ თვისებებს ინარჩუნებს და რეალური სიმსივნური ქსოვილის მსგავს მოდელს ქმნის. მათი გამოყენება შეიძლება სიმსივნეზე პრეპარატების მოქმედების უშუალოდ დასაკვირვებლად, რაც მეცნიერებსა და კლინიცისტებს პაციენტზე მორგებული მკურნალობის ვარიანტების გამოცდის შესაძლებლობას აძლევს.

ორგანოიდული მოდელების წვლილი

ორგანოიდული მოდელები მნიშვნელოვან წვლილს შეიტანს ზუსტ ონკოლოგიაში, რადგან ლაბორატორიაში პაციენტის სიმსივნისთვის სპეციფიკური წამლის პასუხის გამოცდის საშუალებას იძლევა. ამ მოდელებით თითოეული პაციენტისთვის მკურნალობის პოტენციური ვარიანტების წინასწარ შეფასებაა შესაძლებელი, რათა კლინიკურ გამოყენებამდე ყველაზე ეფექტიანი და ყველაზე ნაკლები გვერდითი ეფექტის მქონე მეთოდი განისაზღვროს. ორგანოიდებზე ტესტირება ასევე მნიშვნელოვან როლს ასრულებს ახალი პრეპარატების შემუშავებაში და მიზნობრივი თერაპიების აღმოჩენას უწყობს ხელს. ზუსტი ონკოლოგიის ეს ინტეგრირებული მიდგომა კიბოს მკურნალობის მომავლის ფორმირებაში კრიტიკულ როლს ასრულებს.

ახალი ფრანგული კვლევის დეტალები

ESMO 2024 კონგრესზე წარდგენილ ამ კვლევაში პანკრეასისა და კოლორექტული კიბოს მქონე პაციენტებისგან მიღებული პაციენტისგან მიღებული ორგანოიდების გამოყენებით კლინიკური პასუხების პროგნოზები შეიმუშავეს. კვლევა სულ 155 ორგანოიდულ მოდელს მოიცავდა: პანკრეასის კიბოს 70 და კოლორექტული კიბოს 85 ნიმუშს. თითოეული ორგანოიდი ლაბორატორიაში პაციენტის სიმსივნიდან აღებული უჯრედებით შეიქმნა და ეს უჯრედები იმ პრეპარატებით გამოიცადა, რომლებსაც პაციენტი კლინიკაში იღებდა. ტესტების მიზანი იყო ინდივიდუალური პაციენტის პასუხის სიმულირება და მომავალი სამკურნალო პასუხების უკეთ პროგნოზირება.

კვლევაში გაერთიანდა ორგანოიდულ მოდელებზე ჩატარებული ბიოქიმიური ტესტები და მრავალცვლადიანი ანალიზები. ამით პაციენტების მკურნალობაზე შესაძლო პასუხის წინასწარი პროგნოზები შეიმუშავეს. ეს მოდელი კლინიკურ გარემოში საუკეთესო შედეგის მომცემი მკურნალობის პროგნოზირების ინსტრუმენტად გამოიყენებოდა.

კვლევის შედეგები

კვლევამ აჩვენა, რომ ორგანოიდულ მოდელებს პაციენტების მკურნალობაზე პასუხისა და კიბოს პროგრესირებამდე დროის ზუსტად პროგნოზირება შეეძლოთ:

მკურნალობაზე საერთო პასუხის პროგნოზირება:

• მგრძნობელობა: 83%
• სპეციფიკურობა: 88%

პროგრესირების გარეშე გადარჩენის პროგნოზირება:

კვლევაში პროგრესირების გარეშე გადარჩენის (PFS) ხანგრძლივობის პროგნოზირებისთვის Cox-ის რეგრესიის მოდელი და საფრთხეთა ფარდობა (TO) გამოიყენეს. 

• Cox-ის მოდელის C-ქულა: 0,59
  • C-ქულა მოდელის პროგნოზირების სიზუსტის საზომი სტატისტიკაა. 0,5 შემთხვევით პროგნოზს ნიშნავს, 1,0 კი სრულყოფილს. ამ კვლევაში 0,59 მიუთითებს, რომ მოდელის მკურნალობაზე პასუხის განსაზღვრის უნარი ოდნავ მაღალია, თუმცა სრულყოფილი არ არის.
• საფრთხეთა ფარდობა: 2,82 (95% სანდოობის ინტერვალი: 1,25–6,33)
  • საფრთხეთა ფარდობა აჩვენებს, რამდენად იზრდება მოვლენის (აქ — კიბოს პროგრესირების) რისკი ერთ ჯგუფში. HR = 2,82 ნიშნავს, რომ ეს მოვლენა (კიბოს პროგრესირება) კონკრეტული ფაქტორის (მაგალითად მკურნალობის) არსებობისას 2,82-ჯერ უფრო მოსალოდნელია. ეს ფარდობა აჩვენებს, რამდენად მოქმედებს მკურნალობა კიბოს პროგრესირებაზე.

კარგი შედეგების მქონე მკურნალობა ზრდის მოდულაციის ინდექსით (BMİ) შეაფასეს:

კარგი შედეგების მქონე მკურნალობაში BMİ: 1,81

კარგი შედეგების არმქონე მკურნალობაში BMİ: 0,78

კლინიკური მონაცემების გავლენა

კლინიკური და მოლეკულური მონაცემების დამატებით ორგანოიდული მოდელების პროგნოზირების სიზუსტე გაიზარდა:

• Cox-ის მოდელის C-ქულა: 0,69

მკურნალობამდე მიღებული პრეპარატების რაოდენობა და დაავადების ტიპი პასუხებზე მოქმედებდა:

• პრეპარატების რაოდენობისთვის TO: 1,37
• დაავადების ტიპისთვის TO: 1,89

ზოგადი ჯანმრთელობის მდგომარეობა (ECOG ფუნქციური ქულა) კი მკურნალობაზე პასუხზე მნიშვნელოვნად არ მოქმედებდა.

• კლინიკური და მოლეკულური ცვლადების კონტროლისას პროგნოზირების ძალა მნიშვნელოვნად გაიზარდა (TO: 4.36, p = 0,0027).
  • ეს აჩვენებს, რომ მოვლენის (მაგალითად კიბოს პროგრესირების ან დაავადების გაუარესების) რისკი 4,36-ჯერ იზრდება. კლინიკური და მოლეკულური ცვლადების კონტროლისას ამ რისკის მნიშვნელოვანი ზრდა იგულისხმება. ანუ ამ ფაქტორების გათვალისწინებისას მოვლენის მოხდენის ალბათობა ბევრად მაღალია.

დასკვნა

ეს კვლევა აჩვენებს, რომ ორგანოიდულ მოდელებზე ფუნქციური სკრინინგის ჩატარებისას კლინიკური და მოლეკულური ცვლადების დამატება მათ პროგნოზირების უნარს მნიშვნელოვნად ზრდის. პაციენტების პასუხების ზუსტი პროგნოზირება კრიტიკული ნაბიჯია კიბოს მკურნალობაში პერსონალიზებული მიდგომის წარმატების გასაზრდელად. ეს შედეგები მიუთითებს, რომ ორგანოიდული მოდელები ზუსტ ონკოლოგიაში უფრო ეფექტიანად უნდა გამოიყენებოდეს და მომავალში კიბოს მკურნალობისთვის ახალი ჰორიზონტები შეიძლება გახსნას.