Open Access

Anne Jeute

• Das Verständnis von Tumorerkrankungen wurde durch neue technologische und ökonomische Verbesserungen für die Next-Generation-Sequencing Analyse (NGS) gefördert. Die Komplexität der Interpretation genomischer Daten erschwert jedoch die Anwendung von NGS-Analysen im klinischen Kontext. Die Herausforderung besteht darin bei stetig wachsendem medizinischem Wissen dieses im klinischen Kontext zu interpretieren und eine personalisierte Therapieempfehlung abzugeben. Einen ressourcensparenden Ansatz können KI-unterstützende Software-Programme bieten, welche die genomischen Varianten mit der aktuellen Literatur vergleichen, eine Bewertung der Therapieoptionen geben und klinische Studien empfehlen können. In dieser retrospektiven Arbeit wurden Patient:innen mit metastasiertem Brustkrebs (n=77) mittels gezielter NGS-Analyse anhand von sogenannten Genpanels mit 126 bzw. 540 krebsrelevanten Genen im Zeitraum von 01/2019-02/2022 untersucht. Mit Hilfe von bioinformatischen Methoden wurden patientenspezifische genomische Veränderungen mit Behandlungsoptionen abgeglichen. Diese Methoden stützen sich vollständig auf öffentliche Datenbanken über somatische Varianten mit prädiktiver Evidenz für das Ansprechen auf bestimmte Medikamente. Diese Versorgungsforschung einer repräsentativen Kohorte des Universitätsklinikums Frankfurt in Kooperation mit Regionalverbund OncoNet Rhein-Main wurden systematisch ausgewertet inklusive der Bedeutung genomischer Varianten. Das OncoNet Rhein-Main ist eine Kooperation aus führenden onkologischen Zentren und Praxen im Rhein-Main-Gebiet, welche sich als Netzwerk der Aufgabe angenommen haben Patient:innen optimal therapeutisch zu versorgen. Für 51% (39/77) der Patient:innen konnte mindestens eine gezielte Therapieoption mit einem effektivem Biomarker im gleichen Tumortyp gemäß Zulassung der Europäischen Arzneimittelbehörde (EMA) gefunden werden. Bei 12/77 (16%) wurde mindestens eine Alteration mit einem effektivem Biomarker und einer OFF-Label Therapieoption gefunden. Bei 30% der Patient:innen wurden Veränderungen in optionalen Biomarkern gefunden, welche Resistenzmechanismen erklären. Die umfassende molekulare Analyse von Patient:innen mit fortgeschrittenem Brustkrebs erlaubt die Behandlungsoption zu verbessern und ermöglicht durch die Analyse von bekannten Resistenzmarkern auch den klinischen Verlauf besser zu verstehen. Die interdisziplinäre Besprechung der Befunde im molekularem Tumorboard ist im Hinblick auf kontinuierliches Lernen aller Beteiligten sowie zur Qualitätssicherung eine entscheidende obligate Maßnahme.
• Advances in genomic sequencing and personalized diagnostics evolve rapidly. The growing knowledge about cancer pathways and cancer driver mutations are fundamental in the development of biomarkers and targeted therapy options. This impact is evident in precision oncology, where molecular diagnostics begin to play an increasing important role in the portfolio of pathologists next to the classical histological and immunohistochemistry methods needed for qualified diagnostics. Individual patients benefit from comprehensive genomic profiling of the tumour especially in the advanced tumour setting due to the growing number of available targeted therapy options. In this retrospective analysis of 77 metastatic breast cancer patients in collaboration with the OncoNet Rhein-Main the genomic cancer profile was analysed using common next-generation-sequencing (NGS) panel diagnostics. The most common genomic alterations (PIK3CA, BRCA, ESR1 etc.) and the corresponding treatment options in alignment with the ESMO Guidelines were identified. Furthermore, mechanisms of resistance (e.g., against endocrine therapy or CDK4/6 inhibitors) were identified. The big data sets generated by NGS panels should be interpreted in a quality -assured manner in accordance with international standards, like AMP and ESCAT Scores. The results establish a proof of concept for comprehensive, evidence-based reports as a supporting tool for discussing treatment options in a molecular tumour board and give personalized treatment recommendations. Software tools can aid in the process of generating standardized reports out of large data sets, variant interpretation and suggestions for in-label, off-label or clinical studies in a timely manner. With this work it can been anticipated that software tools, e.g., the software MH Guide, will become essential in summarizing the growing evidence in the field of precision medicine for clinicians, which can be of greater use with the increasing number of oncology patients. This retrospective analysis was generated by using an export of the data from the software MH Guide. With this approach a method is introduced to analyse larger patient cohorts with sequencing data and metadata. Redundant approaches from academic networks in personalized medicine in Germany have not found solutions yet to combine data sets from different laboratories and different sequencers, do a batch upload and analyse them in a comprehensive manner. Here, a method is introduced to overcome this problem.