Les lauréats des bourses de recherche 2023
Nous sommes fiers d’annoncer les lauréats de la bourse de recherche Warren Y. Soper Charitable Trust et la Bourse de recherche Anil Kapoor sur le cancer du rein.
Dr Luke Lavallée
Ontario
« PREVENT GU » : Prévention de la thromboembolie par rivaroxaban chez les patients atteints de cancers génito-urinaires recevant une chimiothérapie : Essai clinique randomisé, à double insu, contrôlé contre placebo
BOURSE DE 50 000 $
Cet essai pilote déterminera la faisabilité d’une vaste étude randomisée sur la thromboprophylaxie plus rivaroxaban versus placebo chez les patients atteints d’un cancer du rein et d’autres cancers génito-urinaires recevant un traitement systémique. L’essai clinique sera estimé comme faisable si une moyenne de ± 2 patients/site sont recrutés par mois. L’essai clinique déterminera si le rivaroxaban (intervention) réduira les thromboembolies veineuses (évaluation de l’efficacité) par rapport au placebo (contrôle) chez les patients atteints de cancers génito-urinaires recevant un traitement systémique (population), avec un risque hémorragique acceptable (innocuité).
Dr Yasser Riazalhosseini
Québec
Compréhension complète des mécanismes moléculaires des carcinomes rénaux sarcomatoïdes/rhabdoïdes agressifs
BOURSE DE 50 000 $
Le carcinome à cellules rénales (CCR) se caractérise par une hétérogénéité marquée en ce qui concerne la biologie tumorale et les résultats cliniques. La plupart des patients sont atteints d’une maladie localisée (la tumeur est confinée dans le rein) et subissent une ablation chirurgicale du rein ou de la tumeur, mais un tiers d’entre eux connaissent une récidive ou développent des métastases qui mettent leur vie en danger. Il est difficile de prédire le risque de récidive ou de métastases après une intervention chirurgicale chez les patients atteints d’une maladie localisée. En outre, le CCR métastatique, qui représente environ 30 à 40 % de tous les cas, est réfractaire aux options thérapeutiques actuelles et est donc incurable. En effet, seule une proportion modeste de patients bénéficie d’une réponse durable aux traitements antiangiogéniques (p. ex., anti-VEGF) ou aux inhibiteurs de points de contrôle immunitaire (ICI). La recherche translationnelle entreprise par l’équipe du Dr Riazalhosseini s’appuie sur l’expertise en génomique, en biologie computationnelle et moléculaire et sur des modèles expérimentaux de tumeurs du CCR pour identifier et caractériser de nouveaux biomarqueurs pour l’évaluation du risque et la réponse aux thérapies, ainsi que de nouvelles cibles thérapeutiques afin d’améliorer les résultats de la maladie et la survie des patients. Ce programme de recherche bénéficie d’une étroite collaboration avec des cliniciens experts qui élaborent les lignes directrices cliniques pour la prise en charge du CCR au Canada et à l’étranger.
Dr Ali Fawaz
Ontario
Biomarqueur reposant sur l’intelligence artificielle : Prédire la réponse à l’immunothérapie du carcinome à cellules rénales à l’aide de modèles d’apprentissage automatique
BOURSE DE 100 000 $
Le carcinome à cellules rénales (CCR) touche chaque année près de 500 000 personnes dans le monde. Les patients atteints d’un CCR métastatique disposent de nombreuses options thérapeutiques ; toutefois, le choix du traitement optimal pour chaque patient constitue un défi. Ceci peut être illustré par le schéma thérapeutique d’une double immunothérapie soit ipilimumab plus nivolumab (IPI/NIVO). La survie moyenne avec ce traitement est de 55 mois, mais les taux de réponse peuvent varier considérablement. Jusqu’à un tiers des patients peuvent avoir une réponse profonde qui dure plus de 5 ans, alors que jusqu’à un cinquième des patients ne répondent pas du tout au traitement. À ce jour, les médecins ne disposent que d’outils limités pour prédire qui bénéficiera le plus de l’immunothérapie. La radiomique est un domaine prometteur qui, avec l’aide de l’intelligence artificielle (IA), peut analyser les caractéristiques subtiles des images médicales tirées de la tomodensitométrie (TDM) pour aider à la prise de décision clinique. L’avantage des méthodes de radiomique est qu’elles peuvent analyser les caractéristiques de l’ensemble de données d’imagerie qui sont imperceptibles à l’œil humain, à un rythme et à une échelle qui dépassent de loin les capacités. En collaboration avec une équipe d’ingénieurs en IA et en imagerie médicale, nous mènerons une étude visant à développer un algorithme d’IA pour prédire comment les patients répondront à l’immunothérapie basée sur leur imagerie médicale.
