Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os Computadores podiam ser mais exactos do que patologistas em avaliar tecidos do câncer pulmonar, mostras do estudo

Os Computadores podem ser treinados para ser mais exactos do que patologistas em avaliar corrediças de tecidos do câncer pulmonar, de acordo com um estudo novo por pesquisadores na Faculdade de Medicina da Universidade de Stanford.

Os pesquisadores encontraram que uma aproximação deaprendizagem a identificar as características doença-relacionadas críticas diferenciadas exactamente entre dois tipos de câncers pulmonares e previram tempos de sobrevivência paciente melhor do que a aproximação padrão dos patologistas que classificam tumores pela categoria e pela fase.

A “Patologia como é praticada agora é muito subjetiva,” disse Michael Snyder, PhD, professor e cadeira da genética. “Dois patologistas altamente qualificados que avaliam a mesma corrediça concordarão somente aproximadamente 60 por cento do tempo. Esta aproximação substitui esta subjetividade com as medidas sofisticadas, quantitativas que nós sentimos somos prováveis melhorar resultados pacientes.”

A pesquisa será publicada o 16 de agosto em Comunicações da Natureza. Snyder, que dirige o Centro de Stanford para a Genómica e a Medicina Personalizada, compartilha da autoria superior do estudo com o Daniel Rubin, DM, professor adjunto da radiologia e da medicina. O Aluno diplomado Kun-Hsing Yu, DM, é o autor principal do estudo.

Embora o estudo actual se centre sobre o câncer pulmonar, os pesquisadores acreditam que uma aproximação similar poderia ser usada para muitos outros tipos de cancro.

“Finalmente esta técnica dar-nos-á a introspecção nos mecanismos moleculars do cancro conectando características patológicas importantes com os dados do resultado,” disse Snyder.

Avaliando a categoria, severidade do cancro

Por décadas, os patologistas avaliaram a severidade, ou a “categoria,” de cancro usando um fotomicroscópio para examinar os secções transversais finos do tecido do tumor montados em placas de vidro. Mais anormal o tecido do tumor pareceu -- em termos do tamanho e da forma de pilha, entre outros indicadores -- mais alta a categoria. Uma fase é atribuída igualmente baseada sobre se e onde o cancro espalhou durante todo o corpo.

Frequentemente a categoria e a fase de um cancro podem ser usadas para prever como o paciente irá. Igualmente podem ajudar clínicos a decidir como, e como agressivelmente, para tratar a doença. Este sistema de classificação não trabalha sempre bem para o câncer pulmonar, contudo. Em particular, os subtipos do câncer pulmonar do adenocarcinoma e a carcinoma de pilha squamous podem ser difíceis dizer distante quando a cultura de exame do tecido desliza. Além Disso, a fase e a categoria do cancro de um paciente não correlacionam sempre com seu prognóstico, que pode variar extensamente. Cinqüênta por cento de pacientes do adenocarcinoma stage-1, por exemplo, morrem dentro de cinco anos de seu diagnóstico, quando aproximadamente 15 por cento sobreviverem a mais de 10 anos.

Os pesquisadores usaram 2.186 imagens de uma base de dados nacional chamada o Atlas do Genoma do Cancro obtido dos pacientes com o adenocarcinoma ou a carcinoma de pilha squamous. A base de dados igualmente conteve a informação sobre a categoria e a fase atribuídas a cada cancro e quanto tempo cada paciente viveu após o diagnóstico.

Os pesquisadores usaram então as imagens “para treinar” um programa de software informático para identificar muito mais características cancro-específicas do que pode ser detectado pelo olho humano -- quase 10.000 traços individuais, contra os várias centenas avaliados geralmente por patologistas. Estas características incluíram não apenas o tamanho e a forma de pilha, mas igualmente a forma e a textura dos núcleos e das relações espaciais de pilhas entre pilhas vizinhas do tumor.

“Nós começamos o estudo sem nenhuns preconceitos, e nós deixamos o software determinar que características são importantes,” dissemos Snyder, que é o Stanford W. Ascherman, DM, FACS, Professor na Genética. “Na retrospectiva, tudo faz o sentido. E os computadores podem avaliar mesmo diferenças minúsculas através dos milhares de amostras muitas vezes mais exactamente e ràpida do que um ser humano.”

Trazendo a patologia no século XXI

Os pesquisadores dirigidos dentro em um subconjunto das características celulares identificadas pelo software que poderia melhor ser usado para diferenciar pilhas do tumor do tecido noncancerous circunvizinho, para identificar o subtipo do cancro, e para prever quanto tempo cada paciente sobreviveria após o diagnóstico. Validaram então a capacidade do software para distinguir exactamente sobreviventes a curto prazo daqueles que viveram significativamente mais por muito tempo em um outro conjunto de dados de 294 pacientes que sofre de cancro do pulmão da Base De Dados do Microarray do Tecido de Stanford.

Identificando as características físicas previamente desconhecidas que podem prever os tempos da severidade e de sobrevivência do cancro são igualmente prováveis conduzir à maior compreensão dos processos moleculars de iniciação e de progressão do cancro. Em particular, Snyder antecipa que o sistema deaprendizagem descrito neste estudo poderá complementar os campos emergentes da genómica, do transcriptomics e do proteomics do cancro. Os pesquisadores do Cancro nestes campos estudam as mutações do ADN e os testes padrões da expressão do gene e da proteína que conduzem à doença.

“Nós lançamos este estudo porque nós quisemos começar a casar a imagem lactente a nossos estudos “do omics” para compreender melhor processos cancerígenos a nível molecular,” Snyder dissemos. “Isto traz a patologia do cancro no século XXI e tem o potencial ser uma coisa impressionante para pacientes e seus clínicos.”

O trabalho é um exemplo do foco da Medicina de Stanford na saúde da precisão, o objetivo de que são antecipar e impedir a doença no saudável e precisamente diagnosticar e tratar a doença no Illinois.

Source: Centro Médico da Universidade de Stanford