Niméus, Emma Kristina – Novel predictive models for locally recurring breast cancer

Bakgrund

Trots en god prognos för majoriteten av bröstcancer patienter så avlider årligen 1500 patienter i Sverige till följd av återfall av sjukdomen. För att undvika återfall av bröstcancer behandlas majoriteten med strålbehandling men trots det utvecklar vissa patienter lokala återfall/recidiv (LR), dvs i samma bröst och vi behöver pålitliga markörer för att särskilja vilka som är riskpatienter för LR. Patienter som får ett LR pga strålbehandlingsresistens är viktiga att selektera för tillägg av behandling då vi vet att de har särskilt dåliga framtidsutsikter.

Beskrivning

Målsättningen med projektet hitta nya markörer för LR både genom att analysera bröstcancer vävnad från primärtumören och det senare uppkomna LRet och kombinera gen och proteinanalys för att utforska mekanismerna bakom utvecklandet av LR pga strålbehandlingsresistens samt att använda en ny AI modell. Vi kommer även att karakterisera förändrade ytproteiner som skapas vid hypermutation vid LR för att kunna skapa nya behandlingar för patienter med LR. Slutligen, kommer vi samla in blod från patienter med LR för att hitta nya markörer för senare spridning ut i kroppen.

Mål

Vi står inför möjligheten att identifiera bröstcancer specifika förändringar med kapacitet att hitta nya biomarkörer för LR pga strålresistens och identifiera nya drogmåltavlor. Med en profil som kan förutsäga ökad risk för LR kan vi motverka att en spridd sjukdom utvecklas. För patienter med hypermuterade LR hoppas vi på lång sikt kunna utveckla ny behandling då hypermutationen skapar unika proteiner som behandlingen kan riktas mot.