Mirando en el cuerpo y visualizando sus secretos moleculares, una vez la materia de la ciencia ficción, es un paso de progresión más cercano a realidad con un estudio de investigadores en la Facultad de Medicina y la Universidad de California, Facultad de Medicina de la Universidad de Stanford de San Diego.
El equipo de investigación está señalando que observando imágenes de exploraciones de la radiología - tales como las exploraciones del CT un enfermo de cáncer consigue rutinario - los radiólogos pueden discernir la mayor parte de la actividad genética de un tumor. Tal información podía llevar a diagnosticar y a tratar a pacientes individualmente, sobre la base de las características únicas de su enfermedad. El estudio será publicado el 21 de mayo en la edición en línea anticipada de la Biotecnología de la Naturaleza.
“Potencialmente en el futuro uno puede utilizar proyección de imagen para revelar directamente características múltiples de las enfermedades que harán mucho más fácil realizar el remedio personalizado, donde usted está tomando las diagnosis y las decisiones del tratamiento basadas exactamente en lo que está suceso en una persona,” dijeron autor a Howard co-mayor Chang, DOCTOR EN MEDICINA, Doctorado, profesor adjunto de la dermatología en Stanford, que llevó la arma de la genómica del estudio.
El otro autor mayor del estudio es Michael Kuo, DOCTOR EN MEDICINA, profesor adjunto de la radiología interventional en el UCSD, que dijo que su trabajo ayudará a doctores a obtener los detalles moleculares de un tumor específico o la enfermedad sin tener que quitar el tejido del cuerpo para una biopsia. “Idealmente, habríamos personalizado el remedio logrado de una manera no invasor,” dijo a Kuo, que encabezó el proyecto en 2001 mientras que él era un residente de la radiología en Stanford.
En cierto modo, el trabajo trae para importar de un dispositivo que los ventilatores de la ciencia ficción puedan revocar de la Serie televisiva, “Star Trek.” “En casi cada episodio “de Star Trek, “hay un dispositivo llamado un tricorder, que ella utilizó no invasor para explorar la vida o la materia nonliving para determinar su maquillaje molecular,” dijo a Chang. “Algo similar estarían muy, muy útil.”
En la vida real, esta aproximación evitaría el dolor y el riesgo de infección y de extracción de aire de una biopsia y no destruiría el tejido, así que el mismo sitio se podría probar una y otra vez.
Cuando el proyecto comenzó en Stanford en 2001, la Facultad de Medicina era punto cero para los estudios de los microarrays de la DNA - las herramientas que pueden revisar los millares de genes al mismo tiempo, desarrollados por profesor Patrick Brown, DOCTOR EN MEDICINA de la bioquímica, Doctorado del laboratorio. Los Microarrays han demostrado ser extremadamente útiles para determinar los grupos de los genes que son más activos o menos activos en una enfermedad tal como cáncer, comparados con el tejido normal.
“Radiología - mientras que hacía grandes avances tecnológicos hacia la captura cada vez más de la información - parecía ser en gran parte olvidadizo a una rotación fundamental en remedio hacia el remedio genomic, personalizado que comenzaba a ocurrir,” dijo a Kuo, que es también el director del Centro para Medical Systems De Translación en el UCSD. “Estando allí en Stanford, era consciente de esa rotación e intentaba pensar en cuáles son las maneras que como los radiólogos podrían combinar e integrar esos datos así que nosotros podríamos aprovecharnos de ellos.”
Un problema con usar el material hecho una biopsia para los microarrays es que el tejido está destruido en el proceso. Así, no hay oportunidad de reexaminar el mismo tejido después, por ejemplo, de un curso de la quimioterapia. La Proyección De Imagen con MRI o el CT, sin embargo, deja todos los órganos intacto y el funcionamiento.
Para aumentar la experiencia del equipo de investigación en las áreas de la genómica y de la biología de cómputo, Kuo trajo en Chang y el autor importante del papel, Eran Segal, Doctorado, en 2004. Chang había estado utilizando los modelos de la actividad de gen de microarrays para predecir resultado del cáncer. Segal desarrolló algoritmos durante sus estudios doctorales en Stanford que desempeñó un papel crítico en el análisis de las cantidades masivas de datos abarcados en el estudio.
“Cuando observamos imágenes no invasores, hay lotes y los lotes de diversos modelos que no tenían ningún significado sabido,” dijo a Chang. “Pensamos que podríamos subir quizá con una manera de conectar sistemáticamente la actividad de gen vista con microarrays con los modelos de la proyección de imagen, para traducir el significado a tres diversos tipos de lenguajes, de genes a las imágenes y entonces al resultado del proceso de la enfermedad.”