APOLLO11: en biologidata-driven modell för klinisk och translationell forskning vid lungcancer

Varför detta spelar roll för personer med lungcancer

Behandlingen av lungcancer har förändrats dramatiskt under det senaste decenniet tack vare immunoterapi och målriktade läkemedel, men många patienter drar fortfarande inte nytta av dessa framsteg. Denna artikel beskriver APOLLO11, en landsomfattande italiensk satsning för att systematiskt samla real world-data och biologiska prover från lungcancerpatienter och använda artificiell intelligens för att förstå vem som svarar på vilken behandling. För patienter och familjer pekar det mot en framtid där behandlingsval styrs av en djup läsning av varje persons tumör och immunsystem, snarare än av trial-and-error.

Från en storlek för alla till dataledd vård

Författarna förklarar att trots kraftfulla nya läkemedel svarar ungefär hälften av patienterna med avancerad lungcancer antingen aldrig eller utvecklar snabbt resistens. Dagens vanliga blod- och vävnadstester är för grova för att pålitligt förutsäga nytta av immunoterapi eller målriktade behandlingar. Traditionella kliniska studier, som testar en hypotes i taget i starkt selekterade patientgrupper, kan inte hålla takten med den snabba ankomsten av nya läkemedel och kombinationer. APOLLO11 skapades för att åtgärda detta gap genom att bygga en långsiktig, kontinuerligt uppdaterad resurs som sammanför rutininformation från kliniken, avbildningar, laboratorietester och avancerade biologiska mätningar från tusentals patienter som behandlas i vardaglig praxis över hela Italien.

Bygga ett nationellt lärande nätverk

Projektet kopplar ihop ett trettital sjukhus organiserade i ett "hub-and-spoke"-system: stora cancercenter och universitetskliniker samarbetar med mindre regionala sjukhus. Varje enhet registrerar standardiserad information via en säker elektronisk plattform och lagrar, när det är möjligt, biologiska prover som tumörvävnad, blod och avföring i lokala frysar. Istället för att skicka allt till ett centralt lager behåller mer vårdapparater materialet på plats medan ett centralt team håller reda på vad som finns och var. Denna struktur gör det möjligt för små sjukhus som vårdar många patienter men saknar forskningsinfrastruktur att bidra meningsfullt, och hjälper till att säkerställa att datan speglar den verkliga mångfalden av personer med lungcancer i hela landet.

Följa sjukdomen från avbildningar till celler

APOLLO11 samlar flera informationslager om varje deltagande patient som får en "innovativ" behandling (i praktiken moderna terapier utöver äldre cytostatika). Kliniska data inkluderar ålder, sjukdomsstadium, erhållna behandlingar, biverkningar och överlevnad. Avbildningsdata omfattar CT-, MR- och PET-skanningar vid viktiga tidpunkter, vilka analyseras med radiomikmetoder som omvandlar subtila mönster i bilder till tusentals kvantitativa egenskaper. Biologiska prover används för att studera tumör-DNA, genaktivitet, proteiner, metaboliter, kroppens immunceller och till och med mikroberna i tarm och mun. Hos vissa patienter undersöks immunceller en och en med single-cell-sekvensering för att avslöja den finmaskiga beteendet hos T-celler, neutrofiler och andra aktörer som kan påverka svar på immunoterapi.

Lära datorer att känna igen behandlingsmönster

Eftersom inget enda test kan fånga cancers fulla komplexitet planerar APOLLO11 att kombinera alla dessa datatyper med maskininlärning. Istället för att skicka känsliga rådata till en central server kommer många analyser att använda "federated learning", där varje sjukhus tränar en lokal modell och bara delar modelluppdateringar, inte patientnivådata. De slutliga algoritmerna kommer att utformas för att vara förklarliga: verktyg kommer att visa vilka egenskaper — såsom särskilda immuncellsmönster, avbildningsegenskaper eller genetiska förändringar — som driver en prediktion för en enskild patient. Tidiga arbeten inom konsortiet utforskar redan hur profiler av immunceller i blod relaterar till utfall med immunoterapi vid avancerad icke-småcellig lungcancer.

Dela kunskap samtidigt som integriteten skyddas

Nätverket är också en plattform för framtida vetenskapliga frågor. Forskare från deltagande centra, och även utanför konsortiet, kan föreslå studier. En styrkommitté utvärderar varje förslag utifrån klinisk betydelse, nyhetsvärde, angelägenhet och genomförbarhet. När externa grupper involveras kan projektet generera syntetiska dataset som efterliknar de verkliga uppgifterna utan att exponera enskilda patienter, vilket hjälper till att balansera öppenhet med strikta sekretessregler som EU:s GDPR. Denna styrmodell syftar till att göra åtkomst rättvis, transparent och fokuserad på arbete som verkligen kan förbättra vården.

Vad detta kan innebära för patienter

Enkelt uttryckt förvandlar APOLLO11 vardagsvården av lungcancerpatienter till ett stort, levande laboratorium. Genom att systematiskt lära av verkliga erfarenheter i många sjukhus — och genom att kombinera avbildningar, blodprov, tumöranalys och avancerad databehandling — syftar projektet till att skapa verktyg som berättar för läkare, innan behandling påbörjas, vilka patienter som sannolikt kommer att ha nytta av immunoterapi eller målriktade läkemedel, vilka som kan drabbas av allvarliga biverkningar, och vilka som kan behöva andra strategier. Även om utmaningar återstår, såsom att bibehålla konsekvent datakvalitet och långsiktig finansiering, menar författarna att detta slags datadrivna, förklarliga och integritetsmedvetna nätverk är en ritning för att göra precisionsmedicin till verklighet — inte bara ett löfte — för personer med lungcancer.

Citering: Prelaj, A., Provenzano, L., Miskovic, V. et al. APOLLO11: a bio-data-driven model for clinical and translational research in lung cancer. npj Precis. Onc. 10, 96 (2026). https://doi.org/10.1038/s41698-026-01295-3

Nyckelord: lungcancer, immunoterapi, artificiell intelligens, real world-data, biobank