Lutetium wydłuża przeżycie w nowotworach neuroendokrynnych; szpitale otrzymują narzędzia zarządzania AI
Badanie fazy 3, nowe narzędzia genomiczne dla nowotworów krwi, AI dla bezpieczeństwa leków i poradnik zarządzania AI dla szpitali.
By Dr. Asher Knippel
Coroczna konferencja Amerykańskiego Towarzystwa Onkologii Klinicznej (ASCO) 2026 oraz konferencja Towarzystwa Medycyny Nuklearnej i Obrazowania Molekularnego (SNMMI) zakończyły się 2 czerwca, wieńcząc tydzień przełomów w terapii radiofarmaceutycznej, całogenomowym sekwencjonowaniu dla nowotworów krwi i komputerowym bezpieczeństwie leków — podczas gdy systemy ochrony zdrowia otrzymały nowe praktyczne narzędzia do odpowiedzialnego wdrażania AI.
Poniedziałek, 2 czerwca: ¹⁷⁷Lu-edotreotyd lepszy od ewerolimusu w badaniu fazy 3 dla nowotworów neuroendokrynnych
ITM Isotope Technologies Munich SE zaprezentowała ostateczne dane z badania fazy 3 COMPETE na konferencji SNMMI 2026, pokazując, że ¹⁷⁷Lu-edotreotyd (ITM-11) istotnie wydłuża przeżycie wolne od progresji (PFS) u pacjentów z gastroenterotrzustkowymi guzami neuroendokrynnymi (GEP-NETs). Mediana PFS wyniosła 23,9 miesiąca w grupie radiofarmaceutyku wobec 14,1 miesiąca w grupie komparatora ewerolimusu — różnica istotna statystycznie (p = 0,022). Badanie potwierdziło też metodę dozymetrii w jednym punkcie czasowym ze średnim bezwzględnym błędem procentowym 3–20% dla dozymetrii nerek, zastępując wielodniowe harmonogramy obrazowania jednym badaniem. GEP-NETs to rzadkie guzy jelit, trzustki i wyrostka robaczkowego; wynik fazy 3 wzmacnia pozycję terapii PRRT jako opcji z wyboru i ma stanowić podstawę wniosków do EMA i FDA.
Poniedziałek, 2 czerwca: Foundation Medicine i SWOG uruchamiają współpracę w zakresie badań opartych na biomarkerach
Foundation Medicine i SWOG Clinical Trials Partnerships ogłosiły 2 czerwca strategiczną współpracę badawczą, łącząc portfel ponad 100 zatwierdzonych testów towarzyszących (CDx) z akademicką siecią badań klinicznych SWOG. Partnerstwo ma na celu wbudowanie testów genomicznych bezpośrednio w protokoły badań, identyfikując pacjentów o największym prawdopodobieństwie odpowiedzi na dany lek już na etapie rekrutacji. Ten model infrastruktury translacyjnej jest coraz częściej wymagany przez regulatorów i płatników przed zatwierdzeniem nowych terapii medycyny precyzyjnej.
ASCO 2026: Całogenomowe sekwencjonowanie wchodzi do praktyki klinicznej w nowotworach krwi
Tempus AI zapowiedziała kliniczną dostępność xH — testu całogenomowego sekwencjonowania (WGS) dla pacjentów z ostrą białaczką szpikową (AML) i zespołami mielodysplastycznymi (MDS), z danymi przedstawionymi na ASCO 2026. Test osiągnął czułość powyżej 99% w kohorcie MDS i odkrył o 40% więcej klinicznie istotnych wyników genomicznych w porównaniu ze standardowymi celowanymi panelami. Konwencjonalne sekwencjonowanie nowej generacji bada znane geny powiązane z chorobą; WGS analizuje wszystkie trzy miliardy par zasad, wychwytując warianty strukturalne i nowe mutacje. Dla pacjentów z nowotworami krwi, gdzie wybór terapii zależy od subtelnych różnic genomicznych, ta dodatkowa informacja może istotnie zmienić postępowanie.
Cancer Discovery: Model AI dekoduje krajobraz mutacji guza dla przewidywania odpowiedzi na leczenie
Naukowcy z Uniwersytetu Kalifornijskiego w San Diego opublikowali MutationProjector w Cancer Discovery, opisując model AI wytrenowany na danych genomicznych ponad 30 000 guzów z 10 typów nowotworów litych. Zamiast oznaczać poszczególne mutacje, MutationProjector analizuje pełną kombinację zmian genetycznych w guzie, tworzy kompaktową reprezentację jego stanu biologicznego i identyfikuje zaburzone szlaki molekularne podatne na istniejące leki. To praca translacyjna — nie przeprowadzono jeszcze prospektywnego badania randomizowanego — lecz publikacja w Cancer Discovery, recenzowanym czasopiśmie AACR, stanowi rygorystyczny wczesny krok w kierunku zastosowania klinicznego.
Scientific Reports: Hybrydowy model AI poprawia przewidywanie niepożądanych działań leków
Zespół badaczy opublikował PromptSE w Scientific Reports, prezentując hybrydowy system łączący semantyczne wnioskowanie dużego modelu językowego z predykcją głębokiego uczenia maszynowego w celu przewidywania niepożądanych reakcji na leki (ADR) przed wejściem związku do badań na ludziach. PromptSE prowadzi model AI przez biologiczny łańcuch przyczynowo-skutkowy mogący wywołać dany objaw, osiągając lepsze wyniki na testach porównawczych. Niepożądane działania leków są jedną z wiodących możliwych do zapobiegania przyczyn śmierci; bardziej niezawodne badania przesiewowe na etapie przedklinicznym mogłyby zmniejszyć liczbę niebezpiecznych związków wchodzących do badań wczesnych faz.
Koalicja na rzecz AI w ochronie zdrowia publikuje praktyczne poradniki zarządzania AI dla szpitali
Koalicja na rzecz AI w ochronie zdrowia (CHAI) opublikowała serię zasobów zarządczych opracowanych przy udziale ponad 150 klinicystów i liderów AI w ochronie zdrowia. Poradniki zawierają praktyczne wskazówki dotyczące tworzenia wewnętrznych polityk AI, zarządzania zewnętrznymi dostawcami, oceny ryzyka rekomendacji klinicznych AI i szkolenia personelu. CHAI opublikowała też znormalizowany szablon "karty modelu" dokumentującej przeznaczenie, charakterystykę wydajności i znane ograniczenia każdego narzędzia AI, dając zespołom zakupowym wspólny język oceny dostawców. Koalicja powstała w 2021 roku.
Informacje zawarte w tym przeglądzie pochodzą z opublikowanych badań, prezentacji konferencyjnych i komunikatów instytucjonalnych. Są przeznaczone jako reportaż dziennikarski i nie stanowią porady medycznej. Czytelnicy powinni skonsultować się z wykwalifikowanym klinicystą przed dokonaniem jakiejkolwiek zmiany w swoim leczeniu.