Turkulaistutkijat kehittivät voittoisan eturauhassyövän hoidon tehoa ennustavan mallin


Tutkijat kehittivät mallin kansainvälisessä kilpailussa, jonka kliinisen aineiston luovuttivat neljä lääkeyhtiötä.
– Kilpailun hienous oli juuri siinä, että saimme käyttöömme ainutlaatuisen laajan kliinisen aineiston. Lääkeyhtiöt eivät perinteisesti ole halukkaita jakamaan tietojaan. Nyt neljä lääkeyhtiötä luovutti kliinisen tutkimusaineistonsa kilpailun käyttöön ja tämän aineiston avulla saatoimme kehittää uusia, aiempaa kattavampia ennustemalleja, tutkijatiimin johtaja, Turun yliopiston matematiikan ja tilastotieteen laitoksen professori Tero Aittokallio sanoo.

Prostate Cancer DREAM 9.5 Challengessa kilpailussa tutkijat haastettiin kehittämään mCRPC- eli metastoivan kastraatioresistentin eturauhassyövän kemoterapiahoidon onnistumista ennustavan mallin. DREAM-kilpailumalli perustuu ideaan joukko-oppimisesta, missä joukkoistamalla haastetaan eri alan huippututkijoita yhteistyössä ratkomaan erittäin vaativia tieteellisiä ongelmia.
Kilpailuun osallistui yli 550 tutkijaa ja 60 tutkijaryhmää eri puolilta maailmaa. Voittoisaan tutkijaryhmään kuului tutkijoita Turun yliopistosta matematiikan, tilastotieteen, informaatioteknologian ja lääkekehityksen oppiaineista sekä Suomen molekyylilääketieteen instituutti FIMM:sta sekä Helsingin yliopistollisesta keskussairaalasta. He kehittivät yhdessä mallin, joka ennustaa kastraatioresistenttiin eturauhassyöpään sairastuneen potilaan eloonjäämistä lähtötilanteesta, jossa häntä hoidetaan kemoterapialla.
 
– Mallimme ennustaa, millä piirteillä juuri tietyn potilaan lääkehoito todennäköisesti tehoaa ja milloin ei. Mallimme osoittautui jopa tehokkaammaksi kuin nykyisin ennusteen tekemisessä käytetty malli, sillä me pystyimme normalisoimaan aineistossa olevaa hajontaa, mikä johtuu siitä, että näytteiden otossa ja analysoinneissa on eri sairaaloilla eri käytäntöjä, joukkuetta koordinoinut, Turun yliopiston ja FIMM:in tohtorikoulutettava Teemu Daniel Laajala sanoo. 

mCRPC:n hoito kehittynyt hitaasti

Informaatioteknologian laitoksen yliopisto-opettaja Tapio Pahikkala korostaa kilpailun ainutlaatuisuutta siinä, että käytössä ei ollut puhdistettu data-aineisto vaan tutkijoilla oli käytettävissään tutkittavista tapauksista koko aineisto. Itsenäinen ja avoin kilpailu antoi mahdollisuuden ymmärtää eri mallien hyödyt ja rajoitteet. Kilpailun avoimuus lisäksi antoi tutkijoille mahdollisuuden tutkia muiden kilpailijoiden valintojen hyviä ja huonoja puolia.
 
– Olemme innoissamme siitä, että olemme voineet esitellä parhaan mallin. Nyt toivomme, että matemaattinen malli toimii paitsi tilastollisesti, se myös tarjoaa kliinistä apua potilaiden hoitoon, Laajala sanoo.
 
Kilpailun tuottikin ensi vaiheessa suuren määrän vertailutietoa taudin mallintamiseen, ja myöhemmin tulosten arvioidaan auttavan kliinisen työn päätöksenteossa sekä uusien hoitomenetelmien kehittämisessä.
 
– Esimerkiksi turkulaisella Auria biopankilla on runsaasti eturauhassyövän potilasnäytteitä, jotka sopisivat hyvin tämän tyyppiseen kliiniseen mallinnukseen, Aittokallio sanoo.
 
Kastraatioresistentin eturauhassyöpä on huonoennusteinen syöpälaji, joka kattaa noin kolmanneksen kaikista etäpesäkkeitä lähettävistä syövistä. Vaikka tarjolla on useita hoitomuotoja, mCRPC-syöpään kuolleisuutta on saatu laskettua vain niukasti viimeisen 20 vuoden aikana. Tarve uusille hoitomuodoille onkin suuri.
 
Kilpailun järjestäjät arvioivat, että kilpailussa saadut uudet mallit saatetaan ottaa käyttöön sen jälkeen kun ne on esitelty American Joint Committee on Cancer (AJCC) -komitealle. Voittoisan mallin tehneet tutkijat on kutsuttu myös esittelemään malliaan DREAM-koneoppimiskonferenssissa Philadelphiassa marraskuussa sekä PCR-eturauhassyöpäkonferenssissa lokakuussa. Lisäksi malli esitellään osana alan huippujulkaisua.

>> Prostate Cancer DREAM Challenge
>> Press release by SAGE
 
Teksti: Erja Hyytiäinen
Kuva: Prostate Cancer DREAM Challenge
Asiasana:
Tagit:
Julkaistu 4.9.2015 10:20 ,  Päivitetty 4.9.2015 18:04

20014 Turun yliopisto, Finland
Puhelinvaihde: 029 450 5000

Henkilöhaku

Seuraa meitä: 
Facebook   Twitter   Instagram   Youtube   LinkedIn
Opiskelu Tutkimus Palvelut ja yhteistyö Yliopisto Tiedekunnat ja yksiköt Ajankohtaista Lahjoita
© Turun yliopisto