logo
EMA-ROMA su facebook
    • 2018-03-06 12:05:07

    Ricaduta di leucemia, possibile prevederla già alla diagnosi

    Ricaduta di leucemia, possibile prevederla già alla diagnosi

    I ricercatori del Centro Matilde Tettamanti di Monza e dell’Università di Stanford hanno scoperto nuove caratteristiche delle cellule tumorali che possono far prevedere il rischio di ricaduta dei pazienti con leucemia linfoblastica acuta. Se confermata permetterà di identificare sin dalla diagnosi i pazienti a maggiore rischio


    Identificare chi avrà una probabile ricaduta di leucemia. Oggi sembra possibile sin dalla diagnosi grazie a un lavoro condotto in collaborazione tra Centro Matilde Tettamanti, Clinica Pediatrica, Università di Milano-Bicocca, A.O. San Gerardo di Monza, e dell’Università di Stanford. I ricercatori hanno scoperto che è possibile prevedere fin dalla diagnosi se i pazienti colpiti da leucemia linfoblastica acuta di tipo B (B-LLA) avranno maggiori probabilità di ricaduta dopo i trattamenti. In particolare hanno scoperto che alcune particolari caratteristiche funzionali della cellula tumorale, associate alla ricaduta di questa malattia, sono già presenti al momento della diagnosi. Finora occorreva aspettare la risposta al trattamento e la verifica molecolare della cosiddetta “malattia residua minima”, per stabilire l’eventuale rischio di ricaduta.

    La ricerca sulla ricaduta di leucemia

    Grazie a un’analisi ad altissima risoluzione che permette di studiare singolarmente le cellule, i ricercatori hanno potuto indentificare un preciso comportamento cellulare che sembra guidare la ricaduta. L’osservazione offre nuove conoscenze sul comportamento biologico della cellula tumorale. E potrebbe anche avere un impatto molto significativo negli attuali criteri di stratificazione del rischio e di conseguente definizione di una terapia. La ricerca sostenuta anche da Airc con il contributo della Fondazione Benedetta è la Vita Onlus è stato pubblicato sulla rivista scientifica Nature Medicine. Il lavoro è particolarmente importante se si considera che, nonostante i successi nell’ottenimento di risposta iniziale al trattamento di prima linea, la mortalità nei tumori è in gran parte dovuta alla recidiva.

    La citometria di massa e il machine learning

    “Nel nostro studio – commenta Jolanda Sarno, ricercatrice italiana attualmente presso l’Università di Stanford grazie a una borsa di studio Airc e primo autore insieme a Zinaida Good – abbiamo utilizzato una tecnologia innovativa. Si tratta della citometria di massa che permette di individuare, quantificare e analizzare contemporaneamente decine di parametri biologici e funzionali in ogni singola cellula. Le cellule leucemiche di B-LLA alla diagnosi sono state confrontate con la loro controparte sana mediante un programma bioinformatico al fine di individuare i profili più caratteristici delle cellule leucemiche. I profili ottenuti sono poi stati confrontanti nei pazienti ricaduti rispetto a quelli in remissione (non ricaduti). Utilizzando un approccio di machine learning, infine, sono state identificate le caratteristiche funzionali predittive della ricaduta”.

    La ricerca sulla ricaduta di leucemia

    “Sin dalla fine degli anni ’90 la clinica pediatrica della Fondazione Monza e Brianza per il Bambino e la sua Mamma ha coordinato per l’Italia, all’interno di un network europeo, la standardizzazione e l’applicazione della tecnica di misurazione della malattia residua minima, in tutti i bambini e adolescenti con leucemia linfoblastica acuta di tipo B, dei centri dell’Associazione italiana ematologia e oncologia pediatrica (Aieop)” sottolinea Andrea Biondi, direttore della clinica pediatrica Università Milano Bicocca e direttore scientifico della Fondazione Monza e Brianza per il Bambino e la sua Mamma. “Questo studio si colloca  all’interno di una storia e di un’esperienza di ricerca decennale che pone il nostro centro come punto di riferimento in Italia”. Il centro ogni anno riceve e analizza circa 450 campioni di Dna, ed è un punto di riferimento in Italia per lo studio della malattia residua minima.

    Il modello statistico di predizione delle ricadute

    La ricerca si inserisce all’interno di un dibattito se le cellule tumorali resistenti al trattamento siano presenti fin dal momento della diagnosi iniziale o se  emergano sotto la pressione della terapia. Zinaida Good, co-autrice di questo lavoro, ha messo a punto un modello statistico di predizione delle ricadute: il Developmentally Dependent Predictor of Relapse (Ddpr). Il quale ha dimostrato chiaramente che alcune caratteristiche funzionali della cellula tumorale, responsabili della ricaduta di malattia, sono già presenti alla diagnosi.

    Le caratteristiche cellulari

    In particolare, sono state individuate sei caratteristiche cellulari, presenti in due sottopopolazioni leucemiche. Le quali permetteranno di prevedere la ricaduta del paziente fin dal momento della diagnosi. In una successiva analisi le coppie di campioni ottenuti al momento della diagnosi e della ricaduta sono state analizzate. Si è così ottenuta la conferma che il profilo predittivo iniziale, osservato alla diagnosi, si mantiene nelle cellule presenti alla ricaduta.

    La ricerca futura

    Il prossimo passo sarà validare il modello Ddpr in un numero più ampio di campioni prelevati da pazienti con B-LLA (circa 300). Campioni che saranno messi a disposizione dal COG (Children’s Oncology Group) americano. La prospettiva fa ben sperare che i risultati si convalidino con l’ampiamento dello studio.