UVA 健康癌症中心的研究人员开发了一种算法，该算法将通过快速轻松地识别将从称为激酶抑制剂的强大癌症药物中受益的患者来改善癌症护理。该算法也可能对患者有其他诊断益处。
激酶抑制剂是联邦食品和药物管理局批准的最常见的抗癌药物。它们对合适的患者可能非常有效，但并非对所有人都有效。UVA 的算法提供了一种新的、更好的方法来确定将受益的患者——这是为个体量身定制的精准医疗的重要一步。
UVA 生物医学系的研究员 Kristen M. Naegle 说：“我们对这种算法感到非常兴奋，它比现有的方法表现更好，要求和假设更少——使其更适用于从肿瘤的单个快照中了解癌症状态。”工程，UVA 医学和工程学院的联合项目。“将这种方法与现有的癌症诊断生物标志物相结合，可能有助于我们更好地定制疗法、设计新的联合疗法、预测对治疗的反应并设计更好的临床试验。”
KSTAR 提供更好的癌症护理
Naegle 及其同事着手克服现有方法的局限性，以确定可能受益于激酶抑制剂的患者。这些方法中的大多数需要难以获得且有时不可靠的信息来量化细胞内的“磷酸化位点”。然而，UVA 的新方法不需要所有这些复杂的测量。相反，它可以根据其他可用数据预测关键信息。
这允许该算法为称为激酶的单个酶生成特定的“KSTAR 评分”。医生可以使用这些分数来确定哪些患者会对激酶抑制剂产生反应，从而帮助指导最佳治疗选择。激酶抑制剂广泛用于某些类型的血液癌、乳腺癌和肺癌等。这些药物通常与其他治疗方法结合使用，例如化学疗法、放射疗法或手术。
在测试他们的新算法时，Naegle 和她的合作者发现它可以在不同的组织类型中可靠地工作，这表明它对许多类型的癌症都有用。
UVA 研究人员报告说，作为一个额外的好处，KSTAR 可以作为一种诊断工具。在他们的测试中，KSTAR 能够确定一名乳腺癌患者不是 HER2 阳性，正如医生之前认为的那样。HER2 阳性乳腺癌可以从 HER2 靶向激酶抑制中受益，但 HER2 阴性肿瘤不会，而且 HER2 抑制会带来额外的并发症。
此外，研究人员发现，通过当前临床方法确定为 HER2 阴性的患者中，约有 20% 实际上具有 HER2 特征，表明他们可以从 HER2 靶向治疗中受益——这是一种目前不提供给他们的治疗方法。当医生和患者讨论治疗方案时，这类信息非常宝贵。