ABACO EUCAN (« Augmented Breast cAncer HR+ resistanCe predictiOn with a multimodal signature (ABACO) in Europe and Canada »)

Objectif(s) de la recherche et intérêt pour la santé publique

Finalité de l'étude

Objectifs poursuivis

Domaines médicaux investigués

Bénéfices attendus

Réaliser une étude de cohorte observationnelle rétrospective, multicentrique et internationale chez des patientes diagnostiquées avec un cancer du sein HR+ et HER2-, stade IV.

Les objectifs de l’étude sont les suivants :

• Objectifs primaires :
(P1) Développer un modèle multimodal intégrant des données cliniques, biologiques, génomiques et de radiomique de base afin de prédire la survie sans progression sous traitement de première ligne par hormonothérapie et inhibiteurs de CDK4/6 (PFS1), en s’appuyant sur les enseignements de l’étude pilote pour orienter la conception du modèle et la sélection des caractéristiques.

(P2) Développer un modèle multimodal intégrant des données cliniques, biologiques, génomiques et de radiomique de base afin de prédire la survie globale sous traitement de première ligne par hormonothérapie et inhibiteurs de CDK4/6 (OS1).

(P3) Évaluer la généralisabilité des enseignements issus du modèle multimodal à travers plusieurs sites participants..

• Objectifs secondaires :
(S1) Explorer la capacité d’un modèle multimodal intégrant des données cliniques, biologiques, génomiques et de radiomique à prédire la survie sans progression sous traitement systémique de deuxième ligne (PFS2) après une hormonothérapie préalable et un traitement par inhibiteurs de CDK4/6.

(S2) Explorer la capacité d’un modèle multimodal intégrant des données cliniques, biologiques, génomiques et de radiomique à prédire la survie globale sous traitement systémique de deuxième ligne (OS2) après une hormonothérapie préalable et un traitement par inhibiteurs de CDK4/6.

(S3) Évaluer l’impact de biomarqueurs spécifiques et des profils de mutations génétiques sur les résultats des traitements.

• Objectifs exploratoires (évalués en fonction de la disponibilité des données) :
(E1) Explorer l’impact de l’ajout de données de pathologie numérique sur la performance prédictive des modèles multimodaux développés.

(E2) Explorer la capacité de modéliser différents critères cliniques de type temps-jusqu’à-événement et des résultats cliniques discrets, tels que le délai jusqu’à l’arrêt du traitement (TTD).