DR-441 A transcriptomic-driven machine learning model to predict the efficacy of CDK4/6-inhibitors in metastatic hormone-receptors positive breast cancer
In metastatic hormone receptor-positive (HR+/HER2-) breast cancer (mBC), cyclin-dependent kinase 4 and 6 inhibitors (CDK4/6-i) in combination with endocrine therapy (ET) emerged as the preferred first- or second-line treatment option. Regardless, clinical responses are not uniform, with about ~20% of patients presenting with primary endocrine resistance. Importantly, while numerous molecular mechanisms promoting secondary endocrine-resistance have been reported, they came short in demonstrating clinical validity in predicting upfront which patients will derive the least benefits from using CDK4/6 inhibitors plus ET.
Accordingly, the present project aims to develop a transcriptomic-driven machine learning model (MLM) to predict the efficacy of CDK4/6-I + ET in HR+/HER2- mBC.
Zhan Yinxiu, Istituto Europeo di Oncologia, Italy
Terug naar nieuwsMeer nieuws
NovaSeq6000 voor DNA-analyses aangeschaft
Met de aanschaf van de NovaSeq6000 doen we als eerste lab in Nederland onze innovatieve DNA-analyses (whole genome sequencing) voor …
Nieuwe voorzitter Data Access Board benoemd: Ele Visser
‘De balans houden,’ daar is het Ele Visser, de nieuwe voorzitter van de Data Access Board (DAB) van Hartwig Medical …
Elke patiënt krijgt zijn eigen medicijn dankzij databank
In een laboratorium in Amsterdam wordt voor het eerst op grote schaal DNA van kankerpatiënten verzameld. Het doel: leren van …
We willen het maximum aan informatie uit de tumor van de patiënt halen. Deze DNA-test is daarvoor het best beschikbare instrument. Er is maar één keer weefsel, een biopt, met voldoende tumorcellen nodig. Omdat het hele genoom wordt onderzocht, ook de gebieden in het DNA waarvan we nu nog niet weten of de gevonden afwijkingen belangrijk zijn, is deze DNA-test tumortype onafhankelijk en toekomstbestendig. Deze eigenschappen zijn de twee belangrijkste eigenschappen van WGS.