Kapitel 8
Framtidsutsikter för biomarkörstestning
Som belyst i föregående kapitel finns det en stor arsenal av biomarkörer som påverkar det dagliga kliniska arbetet och komplexiteten är hög redan idag. Utvecklingen accelererar dock och vi står inför en framtid där nya teknologier och djupare biologisk förståelse kommer att ytterligare förfina och bredda användningen av biomarkörer. Här följer en översikt över kommande möjligheter och utmaningar inom biomarkörstestning, från metoder som snart kan nå klinisk rutin till mer avlägsna men lovande innovationer.
Nära Framtid: Implementering och förfining
Flera teknologier och biomarkörstrategier som redan idag används i forskningssammanhang eller 
i begränsad klinisk omfattning kommer förhoppningsvis kunna implementeras bredare och förfinas för klinisk nytta inom de närmaste åren.
Vätskebaserade biopsier (Liquid Biopsies) – utökad användning av ctDNA
Cirkulerande tumör-DNA (ctDNA) är redan etablerat för vissa indikationer, exempelvis för att identifiera resistensmutationer (t.ex. EGFR T790M vid lungcancer) eller som ett alternativ när vävnadsbiopsi ej kan utföras. Framtiden kommer sannolikt att innebära en kraftigt utökad användning.
Monitorering av Minimal Residual Disease (MRD): Efter kurativt syftande behandling är ctDNA en lovande metod som i vissa fall kan detektera subklinisk sjukdom innan den syns på röntgen eller ger utslag i konventionella blodprover. Detta öppnar möjligheter för att identifiera patienter med hög risk för återfall som kan dra nytta av adjuvant behandling, eller för att tidigt initiera behandling vid molekylärt återfall. Flera stora studier pågår inom bland annat kolorektal-, bröst- och lungcancer.
Tidig diagnostik och screening: Även om det fortfarande är en stor utmaning, pågår intensiv forskning kring att använda ctDNA för tidig upptäckt av cancer hos högriskindivider eller till och med i screeningprogram för allmänbefolkningen. Kombinationen av ctDNA-analys med andra biomarkörer (metyleringsmönster och proteiner) och tolkningshjälp med AI-algoritmer skulle kunna leda till fungerande diagnostik men ännu återstår mycket arbete innan det kan implementeras på bred front.
Bredare Companion Diagnostics (CDx): Fler målriktade läkemedel kommer sannolikt att kompletteras med associerade ctDNA-baserade tester som kan predicera svar på behandling (så kallade CDx-tester), vilket ökar flexibiliteten och minskar behovet av upprepade invasiva biopsier.
Utmaningar: För att kunna införa kliniskt behöver känsligheten vid mycket låga tumörbördor säkerställas tillsammans med specificitet för att undvika falskt positiva fynd, samt etablering av standardiserade preanalytiska och analytiska procedurer. Vidare är utredning av kostnadseffektivitet och utformning av relevanta ersättningsmodeller kritiska steg.
Multiplex immunhistokemi (mIH) och immunfluorescens (mIF)
Traditionell immunhistokemi (IH) analyserar vanligtvis ett protein åt gången. Med mIH/mIF kan nu flertalet (ca 5–50) proteinmarkörer visualiseras och kvantifieras på ett enskilt vävnadssnitt. Detta ger en oöverträffad möjlighet att studera tumörens mikromiljö, inklusive olika immuncellspopulationer, deras spatiala relationer och aktiveringsstatus.
Förbättrad prediktion för immunterapi: Genom att kartlägga mikromiljön mer detaljerat öppnas nya möjligheter för att utveckla mer precisa biomarkörer för att förutspå respons på checkpointinhibitorer och andra immunmodulerande behandlingar.
Kontextspecifik biomarkörsanalys: Spatial analys kan avslöja interaktioner och signalvägar inom mikromiljön som kan utgöra nya mål för behandling och även möjliggöra analys av biomarkörer i en mer komplex kontext.
Utmaningar: För att kunna implementeras behöver man utveckla protokoll och antikroppspaneler som garanterar tillräcklig reproducerbarhet och robusthet för implementering i den kliniska vardagen. En annan central utmaning är utvecklingen av avancerade men samtidigt användarvänliga och validerade bildanalysverktyg, där AI-baserade algoritmer förväntas spela en allt viktigare roll.
AI som stöd i bildanalys och digital patologi
AI har potential att transformera den morfologiska diagnostiken. AI-algoritmer kan tränas att:
Kvantifiera biomarkörer: Automatisera och standardisera kvantifieringen av till exempel PD-L1, Ki67 och HER2-receptoruttryck med högre precision och reproducerbarhet än manuell bedömning. Flera algoritmer finns redan i kliniskt bruk idag men med standardisering och bredare införande kan det komma ännu fler till nytta.
Identifiera prognostiska/prediktiva mönster: Upptäcka subtila morfologiska mönster, som inte är uppenbara för det mänskliga ögat och som korrelerar med prognos eller behandlingssvar.
Assistera vid granskning: Prioritera fall, flagga områden av intresse i digitaliserade bilder (WSI – Whole Slide Images) och därmed effektivisera patologens arbetsflöde.
Utmaningar: Behov av stora, välkurerade och annoterade dataset för träning och validering, regulatoriska godkännandeprocesser för AI-verktyg som medicintekniska produkter, integration i befintliga IT-system och arbetsflöden samt acceptans från användare.
Long-readmetoder
Eftersom solida tumörer i standardscenariot blir formalinfixerade och detta leder till fragmentering av DNA-strängarna har sekvenseringsmetoder som baseras på korta DNA-läsningar (t.ex. Illumina och Ion torrent) varit de mest populära sekvenseringsmetoderna.
I de fall där man kan utnyttja färsk eller färskfrusen vävnad och det finns tillräckligt material kan man i teorin utnyttja long-readmetoder (t.ex. Oxford Nanopore och PacBio). Med dessa metoder kan man få information om strukturella varianter inklusive kopietalsvarianter, små varianter och global metyleringsprofil i samma körning.
Urakut analys av CNS-tumörer: Ett fält där denna metod håller på att implementeras idag är analys av CNS-tumörer där ett preliminärt svar kan genereras intraoperativt och därigenom hjälpa till att styra ingreppet och handläggningen genom korrekt molekylär subgruppering.
Utmaningar: För att analysen ska vara av värde är det av största vikt att DNA-kvaliteten är hög med långa DNA-fragment. För intraoperativa analyser krävs mycket planering kring logistiken för att hinna slutföra analyserna i tid.
Medellång sikt: Nya analysdimensioner
Teknologier som idag främst är forskningsverktyg skulle i framtiden kunna bli användbara i klinisk vardag.
Spatial transkriptom- och proteomanalyser
Dessa tekniker tar mIH/mIF ett steg längre genom att möjliggöra analys av hela transkriptom (alla 
RNA-molekyler) eller proteom (alla proteiner) med bibehållen spatial information i vävnadssnittet. Man kan alltså se var i tumören och dess mikromiljö specifika gener uttrycks eller proteiner finns.
Djupare förståelse av tumörheterogenitet: Kartlägga subklonala populationer och deras interaktioner. Detta kan bidra till bättre förståelse av tumörpopulationer som kan förväntas vara associerade med aggressiv eller indolent klinik och skulle i teorin kunna hjälpa till att bättre planera upplägget för behandlingen för den enskilde patienten.
Detaljerad karaktärisering av mikromiljön: Identifiera små cellpopulationer eller celler som befinner sig i ett visst funktionellt tillstånd (cell state).
Utmaningar: Metoderna är fortfarande relativt nya inom forskningen och behöver sannolikt utvecklas ytterligare för att vara robusta nog att köras kliniskt. Om detta uppnås är dataanalysen fortfarande mycket komplex med ofta tidskrävande tolkning och därutöver mycket höga kostnader.
Epigenetiska markörer
Förändringar i DNA-metylering, histonmodifieringar och uttryck av icke-kodande RNA (till exempel mikroRNA, lncRNA) spelar roll i cancerutveckling och progression.
Tidig diagnostik och riskstratifiering: Metyleringsmönster är ofta förändrade tidigt i tumörutvecklingen och kan i teorin detekteras i ctDNA.
Prediktion av behandlingssvar: Epigenetiska förändringar kan påverka känslighet för kemoterapi och målriktade läkemedel.
Utmaningar: Robustheten och reproducerbarheten hos analysmetoderna måste säkerställas och det behövs en större biologisk förståelse av hur specifika epigenetiska förändringar bidrar till sjukdom samt hur det relaterar till kliniska utfall.
Läs mer om metyleringsanalyser här »
Singel-cellsekvensering
Genom att analysera DNA, RNA eller proteiner från enskilda celler kan man i detalj kartlägga tumörens heterogenitet, identifiera sällsynta cellpopulationer (till exempel resistenta kloner) och dissekera mikromiljön på en oöverträffad nivå.
Förståelse av resistensmekanismer: Identifiera de celler som överlever behandling och driver återfall.
Optimering av kombinationsterapier: Kartlägga vilka cellpopulationer som är känsliga för olika läkemedel.
Utmaningar: Resursåtgången är fortfarande hög per prov och det är en tekniskt krävande provpreparation och dataanalys.
På lång sikt: Helhetsgrepp och funktionell förståelse
På längre sikt kan man förvänta sig ännu mer integrerade och funktionella metoder.
Integrering av multiomik-metoder
Genom att kombinera data från genomik, transkriptomik, proteomik, epigenomik, metabolomik och till och med mikrobiomik, tillsammans med kliniska och bilddata, kommer men kunna skapa en holistisk bild av patientens tumör. Komplexiteten i dessa analyser är så pass hög att man kan föreställa sig att AI-system kommer behövas för att generera användbara resultat.
Utmaningar: Dessa analyser kan förväntas generera enorma datamängder vilket kräver utveckling av nya beräkningsverktyg för att kunna översätta komplexa mönster till kliniskt användbar information.
Funktionella biomarkörer och patientderiverade modeller
I stället för att bara mäta statiska molekylära markörer kan man förutse att fokus kommer öka på funktionella analyser. Patientderiverade organoider (PDO) kan användas för att testa läkemedelskänslighet ex vivo och därmed skräddarsy behandlingen mer dynamiskt.
Utmaningar: För att kunna ha en chans att implementeras kliniskt måste man kunna visa att dessa analyser går att skala upp till den nivå och det tempo som krävs. Man behöver även säkerställa att modellerna verkligen speglar patientens tumör samt dess respons in vivo.
Neoantigenprediktion och personaliserade cancervacciner
Förbättrade metoder för att identifiera tumörspecifika neoantigener som kan kännas igen av patientens immunförsvar skulle kunna driva utvecklingen av verkligt personaliserade cancervacciner och andra T-cellsbaserade terapier.
Utmaningar: För att generera korrekta behandlingar behöver man säkerställa noggrannheten i prediktionsalgoritmerna. Därefter måste logistiken för tillverkning och leverans av personaliserade vacciner optimeras så att behandlingen finns tillgänglig i tid för att ha effekt.
Exosomer och andra extracellulära vesiklar
Exosomer är små vesiklar som utsöndras av celler (inklusive cancerceller) och innehåller proteiner, RNA och DNA från ursprungscellen. Analys av exosomer i blod eller andra kroppsvätskor kan erbjuda en ny källa för icke-invasiva biomarkörer.
Utmaningar: Isolerings- och analysmetoder behöver standardiseras och det behövs en ännu bättre förståelse för den biologiska rollen och informationsinnehållet i olika typer av vesiklar för att dessa analyter ska bli kliniskt användbara.
Övergripande utmaningar och möjligheter
För att förverkliga potentialen i framtidens biomarkörstestning måste flera generella utmaningar hanteras:
Datahantering och delning: Behov av robust infrastruktur, standardiserade dataformat och etiska ramverk för att hantera och dela de enorma datamängder som genereras.
Regulatoriska aspekter: Anpassning av regelverk för nya komplexa diagnostiska tester, inklusive 
AI-algoritmer och multi-omics-analyser. IVDR (In Vitro Diagnostic Regulation) i Europa är ett steg i denna riktning men innebär också ökade krav.
Kostnadseffektivitet och ersättningssystem: Nya teknologier är ofta dyra initialt. Det krävs hälsoekonomiska utvärderingar och anpassade ersättningsmodeller för att säkerställa bred tillgång.
Utbildning och kompetens: Kontinuerlig utbildning av patologer, onkologer, kirurger, bioinformatiker och annan vårdpersonal är avgörande.
Etiska, legala och sociala aspekter: Frågor kring genetisk integritet, incidentella fynd och rättvis tillgång till avancerad diagnostik måste adresseras.
Slutligen
Framtiden för biomarkörstestning inom solida tumörer är oerhört spännande. Fältet rör sig mot en alltmer precisionsinriktad cancervård där en djupare förståelse av den enskilda patientens tumörbiologi kommer att vägleda allt från tidig diagnostik och riskstratifiering till val och sekvensering av behandling och monitorering av terapisvar. Resan dit kommer att kräva innovation och samarbete mellan olika discipliner, akademi och industri. Det kommer även krävas rigorös klinisk validering och en vilja att införa nya teknologier och arbetssätt i klinisk vardag.
Författare: Viktor Ljungström, MD PhD, oktober 2025. Läs mer om författaren »
SWE-NP-0625-80009
            
            