幾何学的データサイエンスを使用して多次元のがん治療法を解明する

Scientific Reports volume 13、記事番号: 8255 (2023) この記事を引用

825 アクセス

2 オルトメトリック

メトリクスの詳細

がん治療への個別化されたアプローチには主に、標的薬剤から恩恵を受ける可能性が最も高い患者集団の特定が含まれます。 このような層別化により、バイオマーカーや組織タイプを組み込む必要があるため、多くの場合複雑すぎる臨床試験の設計が行われています。 これらの問題に対処するために、多くの統計手法が開発されてきました。 しかし、そのような方法論が利用可能になるまでに、がんの研究は新たな課題に移行しているため、後追いを避けるためには、新しい分析ツールも同時に開発する必要があります。 がん治療が直面する課題の 1 つは、複数の種類のがんにわたるバイオマーカーのパネルと一致する将来の試験デザインに基づいて、感受性の高い患者集団に対して複数の治療法を効果的かつ適切に標的とすることです。 我々は、複雑ながん治療データを多次元として視覚化するための新しい幾何学的手法（超曲面の数学理論）と、より高次元での腫瘍学治験設計空間の幾何学的表現を提示します。 超曲面はマスタープロトコルを記述するために使用され、黒色腫のバスケット試験デザインの特定の例に適用され、マルチオミクスデータを多次元治療法としてさらに組み込むためのフレームワークをセットアップします。

DNA内で観察されるドライバー変異に基づく現代のがん治療法は、すべての患者に対して既存の標準治療よりも優れた薬剤や治療法を見つけるという目的から、おそらく特定の患者集団に標的療法を提供するパラダイムに移行している。利益を得るために。 このような「個別化医療」の展望は、主に、腫瘍増殖の原因となるだけでなく、抗がん剤の作用機序の標的を形成し、それによって治療決定の指針となる突然変異によりもっともらしいとされてきた。 例えば、ベムラフェニブは進行性黒色腫のBRAF変異を標的とし、トラスツズマブは乳がんのHer2を標的とし、クリゾチニブは非小細胞肺がんのALK変異を標的とします。 患者は目的の変異の有無についてスクリーニングされ、それに応じて「バイオマーカー」シグネチャーが割り当てられます。 一部のバイオマーカーは、個人のがんがどのように進行するかを追跡し、疾患の予後を支援します。また、バイオマーカーが陽性である個人が介入に好意的に反応するかどうかを予測するバイオマーカーもあり、両方の役割を果たす可能性のあるバイオマーカーもあります。 がんゲノミクスにおけるこうした基本的な発展により、医薬品開発パイプライン全体にわたって、新しいバイオマーカーに基づく臨床試験設計アプローチが急増しています1、2、3。 しかし、臨床試験では「小さなデータ」から高次元のバイオマーカーデータまでスケールアップするため、その形状と構造を理解する必要性が文献における重要な研究ギャップを構成しており、適切な視覚化技術が必要です。

実験的な治療法の選択肢が単一のがん種内の 1 つ以上のバイオマーカーに依存する場合、いわゆるアンブレラ試験で複数の治療法が並行して評価されることがあります 4,5。 サブ研究はランダム化されることが多く、各サブ研究内の複数の薬剤の二群比較または多群比較となる場合があります。 バスケット試験デザインと呼ばれる新しいがん試験アプローチは、複数の腫瘍タイプに存在する可能性のある特定の変異を標的とした新しい治療法の効率的な研究を可能にするために提案されています6、7、8。 バスケット試験では、共通の変異を持つ患者が異なる腫瘍タイプの集団から集められ、腫瘍タイプ間の情報の借用に基づいて、個別の研究より効率的になります。 実験的治療の効果は、採用されたグループ全体と個々の腫瘍の種類の両方で評価できます。 募集された患者が異なる腫瘍型および異なる変異を有するより複雑な試験は、いわゆるマトリックス試験9であり、これには特別なケースとしてバスケット試験とアンブレラ試験の両方が含まれます。