Des méthodes informatiques de pointe ont permis d’identifier des cibles thérapeutiques potentielles et des traitements médicamenteux personnalisés pour les enfants atteints de cancer.
Le traitement du cancer chez l’enfant pose de nombreux problèmes aux professionnels de la santé. Le cancer pédiatrique est relativement rare par rapport au cancer chez l’adulte, et les options de traitement ne sont pas toujours aussi efficaces qu’on pourrait l’espérer.
Cela s’explique en partie par le fait que les cellules cancéreuses subissent de nombreux changements (mutations) aléatoires. Il en résulte que chaque cancer affiche une combinaison essentiellement unique de caractéristiques moléculaires.
«Les approches thérapeutiques traditionnelles ne sont par conséquent pas toujours efficaces», explique Michelle Kölbl, membre du projet iPC, de Technikon en Autriche. «Cette situation est responsable d’un manque de thérapies ciblées, de prévisions inexactes du niveau de risque, de sur-traitement et d’une piètre qualité de vie pour les jeunes patients.»
Cibler les profils moléculaires individuels des cancers
Pour résoudre ce problème, le projet iPC financé par l’UE a cherché à adapter spécifiquement les combinaisons de traitements au profil moléculaire de chaque cancer. L’idée était de maximiser les guérisons et de minimiser les effets secondaires des traitements à court et long terme.
L’équipe du projet entendait plus particulièrement cibler les options thérapeutiques limitées pour les enfants atteints de cancers pédiatriques tels que l’hépatoblastome (HB), un cancer qui se forme dans les tissus entourant le foie. L’équipe voulait se concentrer sur les patients atteints de tumeurs avancées.
Le côté unique du projet tient au développement et à l’application de l’apprentissage automatique et de modèles mécanistes pour prévoir les thérapies optimales pour chaque enfant. Pour atteindre ses objectifs, le projet a réuni une équipe pluridisciplinaire de professionnels de la santé et des instituts de recherche, ainsi que d’experts en mégadonnées et en modélisation informatique.
(HB), un cancer qui se forme dans les tissus entourant le foie. L’équipe voulait se concentrer sur les patients atteints de tumeurs avancées. Le côté unique du projet tient au développement et à l’application de l’apprentissage automatique et de modèles mécanistes pour prévoir les thérapies optimales pour chaque enfant. Pour atteindre ses objectifs, le projet a réuni une équipe pluridisciplinaire de professionnels de la santé et des instituts de recherche, ainsi que d’experts en mégadonnées et en modélisation informatique…
…
La suite sur Cordis