Möjligt att förutse risken för svåra biverkningar av cancerbehandling
Risken för att patienters blodstatus och benmärg ska påverkas kraftigt (så kallad benmärgssuppression) vid kemoterapibehandling är ett stort kliniskt problem. Forskare vid Linköpings Universitet kunde med en prediktionsmodell klassificera patienter med hög eller låg risk för benmärgssuppression. På sikt kan det bli möjligt att identifiera patienter med hög eller låg risk för benmärgssuppression genom analys av arvsmassan och baserat på det dosjustera behandlingar innan de påbörjas. Forskningen, som här beskrivs närmare av Niclas Björn och Henrik Gréen, har publicerats i npj Systems Biology and Applications.
Precisionsmedicin och mer individanpassade behandlingsmetoder har länge varit en eftersökt förbättring av läkemedelsanvändning. Inte bara för att öka och förbättra läkemedels terapeutiska effekter utan också för att
minimera oönskade biverkningar. När det kommer till användandet av kemoterapier och cellgifter blir behovet av precisionsmedicin än större1, 2, dels för att cancer ofta är en allvarlig och heterogen sjukdom, dels för att behandlingarna är starka och har många oönskade bieffekter som påverkar patientens livskvalitet. Allvarliga biverkningar leder också till att cancerbehandlingar behöver justeras, skjutas upp, avbrytas eller bytas vilket inte är optimalt och ger cancern en chans att återhämta sig. Samtidigt blir ekvationen där man vill maximera terapeutisk effekt på samma gång som man minimerar biverkningar alltmer komplex då dessa till viss del går hand i hand.
Vi tror att framgång med individanpassad precisionsmedicin för cancerbehandling med hjälp av genetik bygger på tvåhörnstenar (Figur 1): Att välja de mest effektiva läkemedlen baserat på mutationer i tumörcellerna.Att välja rätt läkemedelsdos baserat på patienters konstitutionella genotyper. Vår forskning fokuserar på det senare, att hitta normal genetisk variation hos patienterna som gör dem mer, eller mindre, känsliga för kemoterapeutiska läkemedelsbiverkningar. Genetisk variation som sedan i modeller kan förutse vilka patienter som har hög eller låg risk för allvarliga biverkningar och som kan användas för att dosjustera behandlingar
redan före behandlingsstart.
