Characterising genotype and phenotype clonal evolution of response to therapy with Artificial Intelligence

I risultati del trattamento del cancro sono influenzati da come i tumori evolvono e dalle modifiche genetiche e dalla capacità di adattamento. Il mio MFAG ha utilizzato l'Intelligenza Artificiale per studiare l'evoluzione clonale durante il trattamento della leucemia mieloide acuta (AML) e della leucemia linfatica cronica (CLL). Abbiamo stabilito che alcuni tipi di recidive di AML dopo trapianto possono essere collegati all'esposizione ai farmaci durante il trattamento e che un importante marcatore di espressione della CLL che influenza la progressione della malattia cambia nel tempo. Questo progetto si basa su questi risultati, utilizzando tecnologie all'avanguardia per comprendere meglio questi meccanismi nascosti di recidiva ed evoluzione e per fornire una solida base per indagini più approfondite.

Cancer treatment outcomes are shaped by how tumours evolve and are influenced by genetic changes and adaptability. My MFAG utilised Artificial Intelligence to study clonal evolution during treatment in acute myeloid leukaemia (AML) and chronic lymphocytic leukaemia (CLL). We established that certain types of AML relapses to transplant can be linked to drug exposure during treatment and that a key CLL expression marker affecting disease progression changes over time. This project builds on these findings, employing cutting-edge technologies to understand better these hidden mechanisms of relapse and evolution and to provide a solid foundation for extended investigations.