Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les Ordinateurs ont pu être plus précis que des pathologistes en évaluant des tissus cancéreux de poumon, expositions d'étude

Des Ordinateurs peuvent être formés pour être plus précis que des pathologistes en évaluant des guides des tissus cancéreux de poumon, selon une étude neuve par des chercheurs à l'École de Médecine d'Université de Stanford.

Les chercheurs ont constaté qu'un élan d'apprentissage automatique à recenser les caractéristiques techniques liées à la maladie critiques exactement différenciées entre deux types des cancers de poumon et de temps prévus de survie des malades mieux que l'élan normal des pathologistes classifiant des tumeurs par la qualité et le stade.

La « Pathologie car elle est pratiquée maintenant est très subjective, » a dit Michael Snyder, PhD, professeur et présidence de génétique. « Deux pathologistes hautement qualifiés évaluant le même guide conviendront seulement environ 60 pour cent du temps. Cet élan remplace cette subjectivité par les mesures sophistiquées et quantitatives qui nous ressentons sommes susceptibles d'améliorer des résultats patients. »

La recherche sera publiée le 16 août dans des Transmissions de Nature. Snyder, qui dirige le Centre de Stanford pour la Génomique et le Médicament Personnalisé, partage la profession d'auteur supérieure de l'étude avec Daniel Rubin, DM, professeur adjoint de la radiologie et de médicament. L'Étudiant de troisième cycle Kun-Hsing Yu, DM, est l'auteur important de l'étude.

Bien Que l'étude actuelle se soit concentrée sur le cancer de poumon, les chercheurs croient qu'un élan assimilé pourrait être utilisé pour beaucoup d'autres types de cancer.

« Éventuel cette technique nous donnera l'analyse dans les mécanismes moléculaires du cancer en connectant les caractéristiques techniques pathologiques importantes aux données de résultats, » a dit Snyder.

L'Évaluation de la qualité, gravité de cancer

Pendant des décennies, les pathologistes ont évalué la gravité, ou la « qualité, » du cancer à l'aide d'un photomicroscope pour examiner les coupes transversales minces du tissu tumoral montées sur des lamelles de verre. Plus le tissu tumoral a semblé anormal -- en termes de taille et forme de cellules, entre d'autres indicateurs -- plus la qualité est élevée. Un stade est également attribué basé en circuit si et où le cancer a écarté dans tout le fuselage.

Souvent la qualité et le stade d'un cancer peuvent être employés pour prévoir comment le patient ira. Ils peuvent également aider des directeurs de stage à décider comment, et comment agressivement, pour traiter la maladie. Ce système de catégorie ne fonctionne pas bien toujours pour le cancer de poumon, cependant. En particulier, les sous-types de cancer de poumon d'adénocarcinome et le cancer épidermoïde peuvent être difficiles de dire à part quand la culture de tissu de examen glisse. En Outre, le stade et la qualité du cancer d'un patient ne marque pas toujours avec leur pronostic, qui peut varier considérablement. Cinquante pour cent de patients de l'adénocarcinome stage-1, par exemple, meurent dans un délai de cinq ans de leur diagnostic, alors qu'environ 15 pour cent survivent plus de 10 ans.

Les chercheurs ont utilisé 2.186 images d'une base de données nationale appelée l'Atlas de Génome de Cancer obtenu à partir des patients présentant l'adénocarcinome ou le cancer épidermoïde. Les informations également contenues de base de données sur la qualité et le stade attribués à chaque cancer et combien de temps chaque patient a vécu après diagnostic.

Les chercheurs avaient l'habitude alors les images « pour former » un programme de logiciel pour recenser beaucoup plus de caractéristiques cancer-particulières que peut être trouvé par l'oeil humain -- presque 10.000 différents traits, contre les plusieurs centaines habituellement évalués par des pathologistes. Ces caractéristiques ont compris pas simplement la taille et la forme de cellules, mais également la forme et la texture des noyaux et des rapports spatiaux des cellules parmi les cellules tumorales voisines.

« Nous n'avons commencé l'étude sans aucune idée préconçue, et nous avons laissé le logiciel déterminer quelles caractéristiques sont importantes, » avons dit Snyder, qui est le Stanford W. Ascherman, DM, FACS, Professeur en Génétique. « Rétrospectivement, tout semble raisonnable. Et les ordinateurs peuvent évaluer même des différences minuscules en travers des milliers d'échantillons beaucoup de fois plus exactement et rapidement qu'un être humain. »

Introduire la pathologie dans le 21ème siècle

Les chercheurs autoguidés dedans sur un sous-ensemble de caractéristiques cellulaires recensées par le logiciel qui pourrait mieux être employé pour différencier des cellules tumorales du tissu noncancerous environnant, pour recenser le sous-type de cancer, et pour prévoir combien de temps chaque patient survivrait après diagnostic. Ils ont alors validé la capacité du logiciel de discerner exactement les survivants à court terme de ceux qui ont vécu sensiblement plus longtemps sur un autre ensemble de données de 294 malades du cancer de poumon de la Base De Données de Puce ADN de Tissu de Stanford.

Recensant les caractéristiques matérielles précédemment inconnues qui peuvent prévoir les temps de gravité et de survie de cancer est susceptibles également de mener à une compréhension plus grande des processus moléculaires de l'initiation et de l'étape progressive de cancer. En particulier, Snyder anticipe que le système d'apprentissage automatique décrit dans cette étude pourra compléter les zones apparaissantes de la génomique, du transcriptomics et des protéomiques de cancer. Les chercheurs de Cancer dans ces domaines étudient les mutations d'ADN et le gène et les configurations d'expression de la protéine qui mènent à la maladie.

« Nous avons lancé cette étude parce que nous avons voulu commencer à marier la représentation à nos « études d'omics » pour comprendre mieux des procédés de cancer à un niveau moléculaire, » Snyder avons dit. « Ceci introduit la pathologie de cancer dans le 21ème siècle et a le potentiel d'être une chose impressionnante pour des patients et leurs directeurs de stage. »

Le travail est un exemple du foyer du Médicament de Stanford sur la santé de précision, l'objectif dont est anticiper et éviter la maladie dans le sain et avec précision diagnostiquer et traiter la maladie dans Illinois.

Source : Centre Médical d'Université de Stanford