EN / DA
Sygdom og behandling

Genetisk test kan afsløre, hvilke behandlinger påkræves for at overleve kræft

En nyudviklet genetisk test kan i fremtiden blive et vigtigt redskab til at vurdere, om personer med kræft har gode chancer for at overleve sygdommen med mere skånsom behandling eller om de skal have mere intensiv behandling.

En ny genetisk test, der er udviklet af forskere fra Danmark og andre lande, kan skelne mellem høj-risiko og lav-risiko tumorer blandt personer med lungekræft og dermed afsløre risikoen for at dø af kræft.

Testen, der hedder ORACLE (outcome risk associated clonal lung expression), virker ved at identificere mange genetiske markører, som peger på gode muligheder for at overleve kræft. Den er tiltænkt en diagnostisk rolle, så læger kan skelne mellem de personer, som kan nøjes med standardbehandling for deres kræftsygdom, og dem, hvor lægerne skal gå ekstra hårdt til tumorerne for at slå dem ned.

”Det er første gang, at genudtrykket kan bruges til at præcist inddele patienter med lungekræft i risikogrupper. Jeg håber, at det kan bidrage til at forbedre langtidsoverlevelsen ved at pege på de mennesker, som i dag ikke får intensiv behandling men som måske kan have gavn af det,” fortæller lektor Nicolai Juul Birkbak fra Institut for Klinisk Medicin ved Aarhus Universitet.

Studiet er publiceret i Nature Medicine.

Læger ved ikke, hvem der vil klare sig godt efter behandling

ORACLE er udviklet på baggrund af genetiske undersøgelser af personer med lungekræft, men i teorien kan testen benyttes på alle kræftformer.

”Vi har lavet ORACLE med udgangspunkt i mennesker med lungekræft, men indledende undersøgelser peger på, at analysen også kan benyttes på personer med andre kræftformer. I hvert fald kan indgangen brugt til at udvikle ORACLE benyttes,” siger Nicolai Juul Birkbak.

Læger deler rutinemæssigt mennesker med lungekræft op efter stadiet på deres tumorer.

Stadie 1 er de mindste tumorer, der ofte kan fjernes kirurgisk uden brug af kemoterapi, mens stadie 2 er lidt større og skal have lidt skrappere midler i form af kirurgi og eventuelt kemoterapi og strålebehandling for at forsvinde.

Læger står dog over for den udfordring, at en fjerdedel af alle stadie 1-patienter oplever, at kræften kommer tilbage efter kirurgi. Omvendt bliver rigtig mange kræftpatienter med stadie 2-lungekræft behandlet med kemoterapi, selvom deres kræft ikke behøver denne bivirkningstunge behandling.

Indtil nu er det ikke lykkedes læger og forskere at finde en pålidelig måde at skelne mellem de personer, som har stor risiko for tilbagefald, og de patienter, som ofte kan klare sig med blot kirurgi uden efterfølgende kemoterapi.

ORACLE løser dette problem.

”Problemet er, at nogen kan godt have en lille tumor som viser sig at være aggressiv. På grund af størrelsen kan læger tro, at det er nok at behandle tumoren med kirurgi. Med ORACLE kan vi identificere personer med en lille aggressiv tumor, som vil have stor risiko for tilbagefald og derfor også gavn af intensiv behandling fra starten af,” forklarer Nicolai Juul Birkbak.

Skårede 20.000 gener ned til 23 som er forbundet med kræft

ORACLE er udviklet på baggrund af gennemgående genetiske analyser af 156 tumorer hos 48 lungekræftpatienter.

I den første del af studiet undersøgte forskerne 20.000 gener og fandt 1.080, som var særdeles velegnede kandidater til at identificere personer med høj risiko, da disse gener var til stede på tværs af næsten alle personerne og tumorerne.

Efterfølgende benyttede forskerne algoritmer til at finde frem til 23 gener med den højeste korrelation til sandsynlighed for at overleve et lungekræftforløb.

Forskerne kunne benytte de 23 gener til at lave en ORACLE risikoscore, som kan benyttes til at vurdere risiko på baggrund af genetiske analyser af kræftbiopsier.

”Målet er at sørge for, at identificere de personer, som har aggressiv kræft i stadie 1, der indledningsvist bliver behandlet med kirurgi, så vi kan give dem den rette behandling med det samme. Sekundært er det også målet, at vi kan identificere personer med stadie 2-tumorer, der ikke er aggressive, så de måske ikke behandles med kemoterapi eller stråleterapi med det samme,” fortæller Nicolai Juul Birkbak.

ORACLE identificerer mennesker med høj risiko

Forskerne har afprøvet ORACLE på genetiske data fra 904 personer med lungekræft, og en høj ORACLE risikoscore var forbundet med øget risiko for at dø af sygdommen.

Efterfølgende lavede forskerne den samme undersøgelse på 103 personer med lungekræft, og her var høj risikoscore, uafhængigt af andre risikofaktorer, forbundet med 3 gange højere risiko for at være død inden for 5 år sammenlignet med lav risikoscore.

I en undersøgelse med 60 personer med stadie 1-lungekræft kunne ORACLE også identificere dem med de bedste chancer for at overleve. Eksisterende analysemetoder kunne ikke finde en forskel i risiko mellem personerne med kræft.

”Vi er nu i gang med at gøre klar til at validere ORACLE i en gruppe med 500 til 1.000 personer med kræft. Det næste skridt bliver så at omdanne ORACLE til noget som kan bruges i klinikken. Læger kan benytte den direkte og med det samme få et svar, de kan inddrage i deres overvejelser i forhold til behandling af lungekræft. Jeg forventer, at vi vil have noget helt klart til klinikkerne inden for et par år,” siger Nicolai Juul Birkbak.

A clonal expression biomarker associates with lung cancer mortality” er udgivet i Nature Medicine. En hovedforfatter, Jiri Bartek, modtog i 2015 støtte fra Novo Nordisk Fonden til projektet ”Data-intensive complex systems approach for cancer genomics research: from theory to efficient targeted therapeutic intervention”.

Nicolai Juul Birkbak
Associate Professor
I have a background in cancer biology, biomarker development, translational cancer research and cancer evolution and heterogeneity based on research undertaken at Technical University of Denmark (PhD and postdoc), Dana-Farber Cancer Institute (postdoc), and University College London & the Francis Crick Institute (senior postdoc). We apply computational approaches to study cancer evolution from a translational perspective. Our mission is to understand cancer evolution at the molecular level, and to build tools and develop methods that use this information to improve patient treatment. An essential question in cancer research today and a focus of our research is understanding the key steps in carcinogenesis: how cells develop from a normal state to malignant cancer through benign, invasive and metastatic disease. Over recent years, exponential drop in Next Generation Sequencing costs coupled with significant investment in cancer research has led to the creation of large cancer cohorts with extensively characterized tumor samples. This effort has improved our understanding of cancer as a molecular disease, but a focus on driver events has so far not led to a breakthrough in patient therapy, and patient survival has not significantly benefited. Our lab utilizes cancer NGS data and computational tools to mine the developmental history on individual cancers, and to determine clonality of events. In this manner, we aim to describe the order of carcinogenic events as probabilities that depend on past driver acquisitions. This will allow us to construct evolutionary trajectories for individual cancer types, potentially informing about likely changes malignant cells may be biased towards when subjected to anti-cancer therapy. This opens the door to therapeutic approaches where treatment may be directed towards likely cancer clones not yet observed in a given sample.