Bröstcancer är den vanligaste cancersjukdomen hos kvinnor, med kraftigt förbättrad överlevnad idag jämfört med 20-30 år sedan. Men för specifika subgrupper av bröstcancer är prognosen inte lika ljus bland annat beroende på bristen av målstyrda terapier. Exempel på sådana grupper är s.k. trippelnegativ bröstcancer (TNBC), men även undergrupper av patienter med s.k. luminala tumörer med hög återfallsrisk. Ett fortfarande inte tillfredsställande löst problem i operabel bröstcancer är vem som har nytta av pre-operativ och/eller pre-operativ systemisk behandling (ex kemoterapi).
Projektet fokuserar på operabel bröstcancer och specifikt på subgrupper med sämre prognos som TNBC och specifika luminala undergrupper. Vi avser att studera interaktionen mellan somatiska tumörförändringar och det tumörmikromiljö svar tumören orsakar i en svensk populationsbaserad patientkohort med fullständiga kliniska data inklusive sjukdomsfri överlevnad. Ett speciellt fokus kommer att ligga på pre-operativt behandlade patienter. Genom att knyta ihop somatiska förändringar med vävnadssammansättning, immuntyper, och svar på behandling/prognos vill vi via maskininlärningstekniker bygga modeller för respons till behandling och prognos.
Målen med projektet är att öka vår förståelse för hur tumörceller och deras somatiska förändringar, interagerar med normala celler i tumörvävnaden. Ett särskilt fokus kommer ligga på interaktionen med immunceller. På generell nivå ser vi den prognostiska betydelsen av samverkan mellan vissa specifika tumörförändringar och immunrespons i tumörvävnaden, men vi förstår inte fullt ut varför den ser ut som den gör i olika patienter. Den sammantagna övergripande målsättningen med projektet är att definiera nya markörer/ signaturer / mekanismer som vi kan omsätta till de facto behandlingsprediktioner som kan testas i framtida kliniska studier.