Senologie Kongress 2016 - Die PRAEGNANT Studie
Werbung
Die PRAEGNANT Studie – eine lebenslange, klinische und molekulare Studie Peter A. Fasching Integration von molekularen Tests in die Krankenversorgung und Forschung 1. Diagnose und molekulare Charakterisierung 8. Prädiktive Modellierung 2. Festlegung der Therapie 7. Machine Deep Learning 3. Herstellung der Therapie 6. Überwachen der Therapie und des Outcomes 4. Koordination der Krankenversorgung 5. Krankenversorgung Integration von molekularen Tests in die Krankenversorgung und Forschung 1. Diagnose und molekulare Charakterisierung 8. Prädiktive Modellierung 2. Festlegung der Therapie 7. Machine Deep Learning 3. Herstellung der Therapie 6. Überwachen der Therapie und des Outcomes 4. Koordination der Krankenversorgung 5. Krankenversorgung Integration von molekularen Tests in die Krankenversorgung und Forschung 1. Diagnose und molekulare Charakterisierung 8. Prädiktive Modellierung 2. Festlegung der Therapie 7. Machine Deep Learning 3. Herstellung der Therapie 6. Überwachen der Therapie und des Outcomes 4. Koordination der Krankenversorgung 5. Krankenversorgung Wie kann diese Krankenversorgung angeboten werden n Was ist die beste Behandlung mit der niedrigsten Toxizität n Wie kann ich Lebensqualität verbessern Welche molekularen Tests? Klinsiche Studien Patientinnen Kommunikation Medikamente Von anderen Krankheiten Bezahlung? Welche Nicht-molekularen Tests? Prädiktion von Seiteneffekten KombinationsTherapien Wie kann diese Krankenversorgung angeboten werden n Was ist die beste Behandlung mit der niedrigsten Toxizität n Wie kann ich Lebensqualität verbessern Welche molekularen Tests? Klinsiche Studien Patientinnen Kommunikation Medikamente Von anderen Krankheiten Bezahlung? Welche Nicht-molekularen Tests? Prädiktion von Seiteneffekten KombinationsTherapien Wie kann diese Krankenversorgung angeboten werden n Was ist die beste Behandlung mit der niedrigsten Toxizität n Wie kann ich Lebensqualität verbessern Welche molekularen Tests? Klinsiche Studien Patientinnen Kommunikation Medikamente Von anderen Krankheiten Bezahlung? Welche Nicht-molekularen Tests? Prädiktion von Seiteneffekten KombinationsTherapien Nutzung von Daten ähnlich kinischer Studien für die Krankenversorgung Specialized Partners Central Biobank Patients directly enter QoL Data Clinical Studies Big Data Analysis Biomaterials Data Patient Data and Biomaterial Operator (PDBO) Central Database Molecular Diagnostics others Warum eine Studienumgebung n In Zeiten von Wiki und Facebook ist es einfach selbständig multizentrische Studien mit eigenem Datenmanagement aufzubauen n Patientinnen werden im Rahmen einer Studie aufgeklärt, welche Ergebnisse, Vorteile und Nachteile auf sie zukommen können. The PRAEGNANT Study Network Praegnant (german) = concise (english) pregnant (english) = schwanger (german) n Prospective Registry study of metastastic breast cancer patients in 60 hospitals n N=1750, Recruitment since Aug 2015: n=1080 n Objectives: OS, PFS, QoL, Adverse Events n Comprehensive Biomaterials at study entry and every 3 months § § § § FFPE of primary tumor and metastasis Serum, Plasma ctDNA, CTCs Leukocyte RNA (PaxGene) Plasma Proteinanalysis Serum Proteinanalysis Germline DNA Chromosomal Abberationen, Mutations, Amplifications Deletions micro-RNA amount, patterns, regulation of gene expression circulating Tumor DNA Chromosomal Abberationen, Mutations, Amplifications Deletions Leukocyte RNA Expression of Leukocyte-RNA CTCs Chromosomal Abberationen, Mutations, Amplifications Deletions, RNA Expressio, Protein-Analysis, Cell culture FFPE DNA-Analysis, RNA-Analysis, Proteinanalysis Firstdiagnosis Of metastases 2nd Progress 1st Progress 2ndline Therapy 1stline Therapy 3rd Progress ……… 3rdline Therapy Death Studyentry possibly atany timepoint Comprehensive biomaterial sampling Progress assessmen t and QoL all3 months Progress assessmen t and QoL all3 months Comprehensive biomaterial sampling Progress assessmen t and QoL atevery progress Comprehensive biomaterial sampling Progress assessmen t and QoL all3 months Progress assessmen t and QoL atevery progress Comprehensive biomaterial sampling Progress assessmen t and QoL atevery progress Continuous Adverse Eventand Severe Adverse EventReporting Continuous PatientReported OutcomesReporting(Tabletbased inpreparation) RECRUITMENT 12.07.16 14 Data Management Piia Patient reported Interactive outcomes Data Warehouse Clinical Data Capture RDESystem (eCRF) Data Management Piia Patient reported Interactive outcomes Data Warehouse Clinical Data Capture RDESystem (eCRF) PiiA– SelfRatedHealth PiiA– SmartvisitAdverseeventstracking PiiA– SmartvisitAdverseeventstracking– extendedversion Launch Q2/2016 PiiAInSights– Patient/Doctorpoint ofcarereport Launch Q2/2016 Versatilecloud basedQOLtrackingplatform Assessmenttoolbox Patient-reported outcomes (PRO) Qualityoflife(EORTCQLC30, EQ-5D,FACT-B) PROMIS PatientReported Outcomes MeasurementInformationSystem PROCTCAE Adverseeventstracking AssessmentWizard 1.Set-up tools 2.SmartVisits Benefits Psychological (Distress-Thermometers,PHQ-9) PhysicalActivity IPAQ Information In-depth guidance and edutainment Nutrition (FoodFrequencyAssessment) Screening Detection of patients at risk for AEs Compliance Assessmentoffactorsinfluencing treatmentadherence Monitoring QoL,Lifestyleand Adverse events 3.Collect PROdata 4.Analyze TakeAction Individualized tipps and alerts Data Management Piia Patient reported Interactive outcomes Data Warehouse Clinical Data Capture RDESystem (eCRF) eCRF n Umfangreiche Datensammlung n Ko-Morbiditäten n Behandlung von Ko-Morbiditäten n Epidemiologische Daten n Alle Krebstherapien n Aktuelle Adverse Events n State of the Art eCRF (aber viel mehr Daten) Screenshots Data Structure was designed witht the main aim of competitive scientific analyses n Überlebensanalyse n Prädiktion des Therapieansprechens n Prädiktion der Lebensqualität n Mindset: Try a „full take“ Utilization Registry Data to improve healthcare Improve healthcare / Standard of Care Design of clinical Trials Selection of patients for Clincial trials Beispiel 1 Workflow eines next generation Tests RegisterPatientand transfer Data and Biomaterialsto Dataand BiomaterialCenter CentralBiobank Biomaterials Whole Genome Sequencing and Proteomics BigDataMiningfor Treatmentand study options Whole Genome Sequencing ReturnReportto participating site Genomic Results Proteomics CentralDataServer Bioinformatics ClinicalGenome Analysis Summaryand detail Reports PatientDataAnalysis Determine Individual Treatment Standard Treatment Results Dissemination Compassionate Care BigDataAnalysis Treatmentand StudySuggestions Integration of whole genomics and data analysis intumor board atstudy site TumorBOard PatientReported Outcomes PhaseIII Study PatientIntegration up to 10PhaseII Studies Wissenschaftlicher Fortschritt Ein Test, eine Interpretation. Von der DNA Keimbahn-DNA Tumor-DNA zur RNA Organ Splicing Tumor-RNA Phosphorylisierung Glykosylierung zum Protein Protein Detektion Therapieprädiktion BiologischeFunktion Prognose zur Funktion. Kontinuierliches update der Interpretation durch “Supercomputer” (maschnielles Lernen) Akademia • Kliniken/Medizin • Informatik/Bioinformatik • KünstlicheIntelligenz • Rechenzentren Health CareSystems • BlueCrossShield • Anthem • Providence • UCLA • …. BigPharma • Google • Microsoft • SAP • SIEMENS • NantWorks Regierung Testresultat in verständlicher Form (GPS Cancer) Zusammenfassung Studienvorschläge Mutationsliste Anderemolkulare Tests Realität von Heute – Erfahrung mit 60 Patientinnen (SABCS 2015) Beispiel 2 Example Patient selection for PARP Inhibitor Trial n Inclusion Criteria: § No more than 2 prior chemotherapy-inclusive regimens for locally advanced and/or metastatic disease § Prior treatment with a taxane and/or anthracycline in the adjuvant or metastatic setting § ECOG performance status ≤ 1 n Exclusion Criteria: § Prior platinum treatment for metastatic disease. Subjects who have received platinum in the adjuvant or neoadjuvant setting are eligible § CNS metastasis § Prior malignancy except for prior BRCA-associated cancer § Known to be HIV positive, active hepatitis C virus, or active hepatitis B virus Comparison Computer Algorithm vs. Human Gold Standard n Assessement of 320 patients health records by two independent trained investigators of this PARP Study -> 120 patients eligible n Assessment of these patients by computer algorithm (simple SQL statements) -> 129 patients eligible n Sensitivity >90% n Specificity >90% PRAEGANT Distribution (Basket in and basket out) Regular BC Patients „PerFect“ Pertuzumab „EMBRACA“ PARP-I „Seraphina“ Nab-Pclitaxel „ABRAZO“ PARP-I Weitere Studien German Registry Programs Organ Name Breast PRAEGNANT Ovarian, Endometrial, Vulvar, Cervix G20 (Genomics and Gynecologic Oncology Bladder Planned Renal Planned GPS Cancer Pro(?)
