En individs immunceller visar stora inbördes skillnader i förmåga att känna igen och döda tumörceller. För att förstå bakgrunden och konsekvensen av dessa skillnader krävs metoder som effektivt kan studera många enskilda celler parallellt. Det är bland annat viktigt för utveckling och utvärdering av komplexa immunterapier.
I det här projektet utvecklas en metod för att effektivt, automatiskt och kvantitativt karakterisera individuella immuncellers svar mot tumörer. För det tar vi hjälp av de senaste verktygen inom AI och maskininlärning för effektivt datahantering och bildanalys. Vi ska använda metoden för att utveckla bättre immunterapier, vi fokuserar dels på en ny metod för att generera sk CAR T celler mot hematologiska maligniteter, och dels på ett nytt koncept för att få donator-immunceller att klara sig undan patientens immunförsvar.
Målet med forskningen är att utveckla en effektiv metod som leder till accelererad utveckling av nya immunterapier som kan komma patienter till gagn.