Leave Your Message

Submit An Free Inquiry

Our medical team will make an evaluation for you, based on the information you provided. This procedure is free of charge.

AI Helps Write
AI Helps Write

پیشرفت‌ها در طبقه‌بندی خطر T-ALL: طبقه‌بندی مبتنی بر NGS زیرگروه‌های پرخطر را شناسایی می‌کند

۲۰۲۵-۰۱-۰۳

در یک مطالعه‌ی پیشگامانه که در ... منتشر شد خونمحققان از توالی‌یابی نسل بعدی (NGS) برای بهبود طبقه‌بندی خطر لوسمی لنفوبلاستیک حاد سلول T (T-ALL) استفاده کرده‌اند. این سیستم طبقه‌بندی پیشرفته، روشی دقیق‌تر برای پیش‌بینی نتایج بیمار و شناسایی زیرگروه‌های پرخطر ارائه می‌دهد و به طور بالقوه دری را به روی استراتژی‌های درمانی شخصی‌سازی‌شده‌تر می‌گشاید.

 

۱.۳.۱.۱. وب‌پی

این مطالعه که شامل ۱۹۸ بیمار بزرگسال مبتلا به T-ALL از کارآزمایی GRAALL-2003/2005 و ۲۴۲ بیمار کودک مبتلا به T-ALL از کارآزمایی FRALLE2000T بود، از توالی‌یابی هدفمند کل اگزوم برای بررسی ۷۲ ژن مرتبط با سرطان استفاده کرد. در میان یافته‌ها، جهش‌های NOTCH1 شایع‌ترین جهش در بزرگسالان بودند که در ۷۷٪ موارد وجود داشتند و پس از آن جهش‌های CDKN2A (۶۶٪) و جهش‌های PHF6 (۵۰٪) قرار داشتند. این پروفایل ژنتیکی دقیق، محققان را قادر ساخت تا بیماران را به دسته‌های پرخطر و کم‌خطر طبقه‌بندی کنند که پیامدهای قابل توجهی برای پیش‌آگهی آنها دارد.

 

یک سیستم طبقه‌بندی جدید مبتنی بر NGS توسعه داده شد که قابلیت‌های پیش‌بینی برتر برای میزان عود تجمعی، بقای کلی و بقای بدون بیماری را در مقایسه با روش‌های قبلی نشان داد. این مطالعه بیماران کم‌خطر را به عنوان افرادی که جهش‌های خاصی (مانند NOTCH1/FBXW7، PHF6، EP300) بدون تغییرات پرخطر اضافی (مانند جهش در مسیر PI3K، TP53 و IDH1/2) داشتند، شناسایی کرد. این بیماران میزان عود تجمعی (CIR) 5 ساله (51%) داشتند، در حالی که افراد در دسته پرخطر با CIR بسیار بالاتری معادل 47% مواجه بودند.

 

علاوه بر این، ادغام یافته‌های NGS با عوامل بالینی مانند تعداد گلبول‌های سفید خون (WBC) و سطح حداقل بیماری باقیمانده (MRD) منجر به یک مدل ریسک اصلاح‌شده شد که بیماران را به سه گروه پرخطر، با خطر متوسط ​​و کم‌خطر طبقه‌بندی می‌کرد. این مدل در تشخیص بیمارانی که می‌توانستند از درمان‌های تهاجمی‌تر بهره‌مند شوند، به‌ویژه بیمارانی که پروفایل ژنتیکی پرخطر داشتند، بسیار مؤثر بود.

 

یافته‌های این مطالعه، پتانسیل NGS را برای اصلاح پیش‌بینی‌های پیش‌آگهی و بهبود برنامه‌ریزی درمان برای بیماران T-ALL بزرگسال و کودک برجسته می‌کند. با ترکیب بینش‌های ژنتیکی با داده‌های بالینی، پزشکان می‌توانند بیمارانی را که ممکن است از درمان‌های هدفمند نوظهور، مانند مهارکننده‌های PI3K و مهارکننده‌های انتخابی IDH1/IDH2، بهره‌مند شوند، بهتر شناسایی کنند.

 

از آنجایی که این مطالعه راه را برای استراتژی‌های درمانی شخصی‌سازی‌شده هموار می‌کند، همچنینo سوالات مهمی را در مورد کاربرد این طبقه‌بندی در گروه‌های قومی مختلف و با رژیم‌های درمانی مدرن مطرح می‌کند. در حالی که طبقه‌بندی مبتنی بر NGS نویدبخش است، تحقیقات بیشتری برای اعتبارسنجی اثربخشی آن در جمعیت‌های متنوع و اصلاح رویکرد برای موارد چالش‌برانگیز، مانند موارد مبتلا به T-ALL مقاوم، مورد نیاز است.