Med hjälp av bland annat artificiell intelligens, AI, forskar Katalin Dobra, professor vid institutionen för onkologi-patologi vid Karolinska institutet, kring lungcancer. Men om hon inte forskat på lungcancer hade hon velat utforska rymden. Läs vår intervju med Katalin Dobra här.
Om du inte forskade på lungcancer, vad skulle du vilja forska på i stället?
Om jag inte forskade på lungcancer och lungsäcksäckcancer, skulle jag vilja undersöka världsrymden. Jag skulle vilja utforska okända delar av universum och förstå samband och interaktion mellan olika astrologiska och magnetiska fenomen. Det är samma intresse som fascinerar mig med mikroskopering, morfologi och molekylär diagnostik också.
Jag får inspiration av visuella intryck och optiska observationer som gör att jag vill gärna förstora, beskriva analysera vävnader, celler och molekyler till de minsta beståndsdelarna och förstå interaktioner och informationsöverföring mellan olika delar av cellen och mellan tumörceller och dess omgivning.
Jag har haft mångårigt intresse och har drivit flera grundforskningsprojekt som kretsar kring molekylära mekanismer som driver cancercellers tillväxt och spridning.
Finns det något oväntat resultat i din forskning på lungcancer/lungsäckscancer?
Det mest överraskande och oväntade fyndet var när jag upptäckte att ett cellyteprotein har förmågan att förflytta sig till cellkärnan och genom det påverkar översättningen av genetiska informationen så att den bromsar maligna cellers tillväxt och gör de mindre aggressiva.
Detta utgör en viktig angreppspunkt för framtida behandlingsmodaliteter.
Samma molekyl klipps av från cellytan och utgör en viktig biomarkör som signalerar tumörstorlek men även hur känslig eller resistent patienten är för cytostatikabehandling.
Vad vill du kunna åstadkomma? När i tiden tror du att resultaten från din forskning kommer att komma patienter till nytta?
Resultatet kommer att användas till att tidigare kunna upptäcka lungcancer och lungsäckscancer och bättre kunna förutse vilka patienter som behöver intensiv behandling och vilka som har en mindre aggressiv tumörform.
Inom fem år kommer forskningsresultaten att kunna tillämpas på tillräckligt många patienter för att ge en säkrare indikation om hur exakt tumörens molekylära avtryck kan urskilja patienter som behöver precisionsmedicin och individanpassad behandling.
Med hjälp av datorstödd inlärning kommer vi att kunna väga samman tumöregenskaper och morfologiska karakteristika i vävnaden som hjälper oss att erbjuda tidigare och mer effektiva behandlingar.
Vad tror du om framtiden?
Jag hoppas att inom tio år kan vi erbjuda tidigare diagnos och bättre riktade behandlingar som ökar överlevnaden för denna patientgrupp som idag har tyvärr mycket kort överlevnad efter diagnos.
Har du några tips och information till drabbade, anhöriga, sjukvården och samhället?
Som forskare blir jag ofta kontaktad av patienter och deras anhöriga för att få råd och stöd om utredningsvägar, diagnostiska verktyg och behandlingsmöjligheter.
Ett av de tidigaste symptomen vid lungcancer och malignt mesoteliom är en ansamling av ensidig och återkommande pleuravätska.
Ökad kunskap behövs både inom sjukvård och samhället i övrigt om att tidig diagnostik är möjligt på pleuravätska och det är avgörande för att kunna tillämpa molekylära analyser, förbättra diagnostiska säkerheten och behandlingsmöjligheterna i ett tidigt stadium och med icke invasiva metoder.
Fokus bör riktas även på informationsspridning i samhället om preventiva åtgärder vad gäller cigarrettrökning och asbestexponering då dessa substanser förstärker varandras skadeeffekt.
Ur forskningsansökan
Integrerad strategi för individanpassad och målinriktad behandling av lungcancer och lungsäckcancer genom datorstödd tumörgradering, molekylär kartläggning och klinisk validering av biomarkörer
Som patolog ägnar jag mig både som kliniker och forskare åt cancer i lungorna. Både lungcancer, som är en av de vanligaste cancerformerna, och lungsäckscancer innebär en mycket dålig prognos för patienten. I min forskning försöker jag dels förstå molekylära mekanismer i utvecklingen av dessa sjukdomar, dels omsätta den nya kunskapen i klinisk nytta. Vi vill kartlägga nätverket av gener och proteiner som påverkar tumörens tillväxt och förmåga till att sprida sig till lungsäck och hjärna och utvärdera patientderiverade tumörcellers svar på etablerade och nya behandlingar. Med hjälp av datorstödd morfologisk gradering och molekylär kartläggning av lungcancer och lungsäckcancer hoppas vi bättre kunna förutse vilka patienter löper risk för resistensutveckling, recidiv och tumörspridning och därmed kunna angripa aggressiva tumörer på flera olika sätt. Vi har under flera år visat att tillförsel av vissa proteiner kan vända sjukdomsutvecklingen och göra tumören mindre aggressiv. På lång sikt finns möjligheten att detta leder till nya riktade behandlingar som matchar varje patients unika genuppsättning med ledning av specifika biomarkörer.
Målsättningen är att integrera och validera nya diagnostiska och prediktiva biomarkörer framtagna genom omfattande molekylär karakterisering av lungtumörer innefattande både primär lungcancer, malignt mesoteliom samt pleura- och hjärnmetastas av icke småcellig lungcancer (NSCLC). Vi optimerar betingelserna för tidig diagnostik genom molekylär karaktärisering, lösliga proteiner och fri DNA från exsudat och perifert blod.
Att identifiera de patienter som får bäst effekt av behandling är vårt yttersta mål och det skapar bättre underlag för målinriktad och individanpassad behandling. Samtidigt gör vi långtidsuppföljning för att påvisa klonal selektion och experimentella studier om grundläggande tumördrivande mekanismer och kartlägger resistensmekanismer och resistens/känslighetsprofilering för olika etablerade och experimentella behandlingar i exsudat deriverat ex-vivo system.
I ett helt nystartat projekt kombinerar vi artificiell intelligens och maskinlärning med nyetablerade morfologiska bildanalys inom digital patologi för att bättre kunna stratifiera tumörer med mera aggressiv tumörfenotyp och större benägenhet till spridning och recidiv. Vi identifierar och monitorerar med timelapse mikroskopi och isolerar med lasermikrodissektion den subpopulationer av celler som invaderar kringliggande stroma, fettvävnad och som morfologiskt befinner sig i olika faser av celldelningen följd av singelcell sekvensering. De morfologiskt identifierade cellers dynamiska molekylära förändringar kopplas samman med multipla databaser för att hitta nya molekylära markörer. Genom att blockera dessa molekylära mekanismer som driver tumörspridning och resistensutvecklingen hoppas vi kunna skräddarsy det bästa riktade behandlingsalternativet för patienter med primär malignt mesoteliom och spridd metastatisk NSCLC.