Исследователи из комплексного онкологического центра UNC Lineberger Университета Северной Каролины  разработали модель прогнозирования, которая позволит предсказать, еще до начала лечения то, как будет вести себя тот или иной тип агрессивного рака молочной железы при лечении химиотерапией.

В исследовании, представленном в 2016г. в Сан-Антонио на Breast Cancer Symposium, ученые сообщают, что они разработали модель, которая может предсказать, как тройной негативный рак молочной железы будет реагировать на химиотерапию. Katherine Hoadley, доктор философии, доцент UNC Lineberger , зав. кафедры генетики, говорит, что модель была относительно успешной в прогнозировании ответа, но необходимы дальнейшие исследования для повышения ее точности.

«Наша цель состояла в том, чтобы идентифицировать образец подписи экспрессии генов в раковых клетках, которые могли бы быть в состоянии помочь нам предсказать, как будет реагировать раковая опухоль на химиотерапию еще до начала ее лечения», сказала Hoadley, первый автор исследования.

Тройной негативный рак молочной железы является особенно агрессивным типом рака молочной железы, который не имеет целевых методов лечения. У пациентов с этим заболеванием имеется более высокий уровень ответа на химиотерапию, по сравнению с некоторыми другими подтипами. В то время как целевые препараты, предназначенные для атаки на специфические молекулярные особенности, которые помогают бороться с раком, химиотерапия более широко атакует все быстро делящиеся клетки.

Hoadley сказала, что если знать заранее, как пациенты с трижды негативным раком молочной железы будут реагировать на химиотерапию, то это может помочь врачам определить оптимальный курс лечения – к примеру, избежать назначения химиотерапии при условии, что она не поможет избавиться от РМЖ.

Для разработки модели прогнозирования, исследователи проанализировали экспрессию генов из образцов рака молочной железы, взятых у 389 пациентов до начала лечения, и они также опирались на данные о том, как эти пациенты отвечали на лечение. Исследователи разделили образцы данных на учебные и тестовые наборы. Подписи экспрессии генов были проанализированы в обучающем наборе для определения сигнатуры экспрессии генов, которые наилучшим образом связанны с полным ответом на лечение. Затем специалисты использовали раскрытые подписи, чтобы определить способность предсказывать реакцию в остальных образцах. Они обнаружили, что модель может предсказать то, какие образцы имеют полную патологическую реакцию. В данном случае процент пациентов, которые достигали патологически полного ответа на лечение, составил 68%. А для пациентов, которые имели остаточную болезнь после химиотерапии, тест успешно указывал, что они не имеют патологический полного ответа в 64% случаев.

Hoadley сказала, что исследователи будут продолжать работать над моделью прогнозирования, чтобы улучшить ее точность. Она сказала, что они планируют включать в себя и другие особенности раковых клеток в их модели, такие как молекулярные показатели, ответ иммунной системы на рак, генетические мутации, и количество копий каждого гена.