S'abonner

A genome-based model for adjusting radiotherapy dose (GARD): a retrospective, cohort-based study - 15/03/17

Doi : 10.1016/S1470-2045(16)30648-9 
Jacob G Scott, MD a, b, Anders Berglund, PhD c, Michael J Schell, ProfPhD c, Ivaylo Mihaylov, PhD f, William J Fulp, MS c, Binglin Yue, MS c, Eric Welsh, PhD c, Jimmy J Caudell, MD a, Kamran Ahmed, MD a, Tobin S Strom, MD a, Eric Mellon, MD a, Puja Venkat, MD a, Peter Johnstone, ProfMD a, John Foekens, ProfMD g, Jae Lee, ProfPhD c, Eduardo Moros, ProfPhD a, William S Dalton, ProfMD d, Steven A Eschrich, PhD c, Howard McLeod, ProfPharm D d, Louis B Harrison, ProfMD a, Javier F Torres-Roca, DrMD a, e,
a Department of Radiation Oncology, Moffitt Cancer Center and Research Institute, Tampa, FL, USA 
b Department of Integrated Mathematical Oncology, Moffitt Cancer Center and Research Institute, Tampa, FL, USA 
c Department of Integrated Bioinformatics and Biostatistics, Moffitt Cancer Center and Research Institute, Tampa, FL, USA 
d DeBartolo Family Personalized Medicine Institute, Moffitt Cancer Center and Research Institute, Tampa, FL, USA 
e Department of Chemical Biology and Molecular Medicine, Moffitt Cancer Center and Research Institute, Tampa, FL, USA 
f Department of Radiation Oncology, University of Miami, Miami, FL, USA 
g Department of Medical Oncology and Cancer Genomics, Erasmus Medical Center, Rotterdam, Netherlands 

* Correspondence to: Dr Javier F Torres-Roca, Moffitt Cancer Center and Research Institute, Tampa, FL 33612, USA Correspondence to: Dr Javier F Torres-Roca Moffitt Cancer Center and Research Institute Tampa FL 33612 USA

Summary

Background

Despite its common use in cancer treatment, radiotherapy has not yet entered the era of precision medicine, and there have been no approaches to adjust dose based on biological differences between or within tumours. We aimed to assess whether a patient-specific molecular signature of radiation sensitivity could be used to identify the optimum radiotherapy dose.

Methods

We used the gene-expression-based radiation-sensitivity index and the linear quadratic model to derive the genomic-adjusted radiation dose (GARD). A high GARD value predicts for high therapeutic effect for radiotherapy; which we postulate would relate to clinical outcome. Using data from the prospective, observational Total Cancer Care (TCC) protocol, we calculated GARD for primary tumours from 20 disease sites treated using standard radiotherapy doses for each disease type. We also used multivariable Cox modelling to assess whether GARD was independently associated with clinical outcome in five clinical cohorts: Erasmus Breast Cancer Cohort (n=263); Karolinska Breast Cancer Cohort (n=77); Moffitt Lung Cancer Cohort (n=60); Moffitt Pancreas Cancer Cohort (n=40); and The Cancer Genome Atlas Glioblastoma Patient Cohort (n=98).

Findings

We calculated GARD for 8271 tissue samples from the TCC cohort. There was a wide range of GARD values (range 1·66–172·4) across the TCC cohort despite assignment of uniform radiotherapy doses within disease types. Median GARD values were lowest for gliomas and sarcomas and highest for cervical cancer and oropharyngeal head and neck cancer. There was a wide range of GARD values within tumour type groups. GARD independently predicted clinical outcome in breast cancer, lung cancer, glioblastoma, and pancreatic cancer. In the Erasmus Breast Cancer Cohort, 5-year distant-metastasis-free survival was longer in patients with high GARD values than in those with low GARD values (hazard ratio 2·11, 95% 1·13–3·94, p=0·018).

Interpretation

A GARD-based clinical model could allow the individualisation of radiotherapy dose to tumour radiosensitivity and could provide a framework to design genomically-guided clinical trials in radiation oncology.

Funding

None.

Le texte complet de cet article est disponible en PDF.

Plan


© 2017  Elsevier Ltd. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 18 - N° 2

P. 202-211 - février 2017 Retour au numéro
Article précédent Article précédent
  • MABp1 as a novel antibody treatment for advanced colorectal cancer: a randomised, double-blind, placebo-controlled, phase 3 study
  • Tamas Hickish, Thierry Andre, Lucjan Wyrwicz, Mark Saunders, Tomasz Sarosiek, Judit Kocsis, Radim Nemecek, Wojciech Rogowski, Krzysztof Lesniewski-Kmak, Lubos Petruzelka, Ron N Apte, Prasant Mohanty, Michael Stecher, John Simard, Aimery de Gramont
| Article suivant Article suivant
  • Safety and activity of pembrolizumab in patients with locally advanced or metastatic urothelial cancer (KEYNOTE-012): a non-randomised, open-label, phase 1b study
  • Elizabeth R Plimack, Joaquim Bellmunt, Shilpa Gupta, Raanan Berger, Laura Q M Chow, Jonathan Juco, Jared Lunceford, Sanatan Saraf, Rodolfo F Perini, Peter H O’Donnell

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.