Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los Ordenadores podían ser más exactos que patólogos en evaluar los tejidos del cáncer de pulmón, demostraciones del estudio

Los Ordenadores se pueden entrenar para ser más exactos que patólogos en evaluar diapositivas de los tejidos del cáncer de pulmón, según un nuevo estudio por los investigadores en la Facultad de Medicina de la Universidad de Stanford.

Los investigadores encontraron que una aproximación de máquina-aprendizaje a determinar las características enfermedad-relacionadas críticas distinguidas exactamente entre dos tipos de cánceres de pulmón y predijeron tiempos de supervivencia paciente mejor que la aproximación estándar de los patólogos que clasificaban tumores por el grado y el escenario.

La “Patología como ahora se practica es muy subjetiva,” dijo a Michael Snyder, Doctorado, profesor y silla de la genética. “Dos patólogos altamente expertos que evalúan la misma diapositiva estarán de acuerdo el solamente cerca de 60 por ciento del tiempo. Esta aproximación reemplaza esta subjetividad por las mediciones sofisticadas, cuantitativas que aserramos al hilo somos probables mejorar resultados pacientes.”

La investigación será publicada el 16 de agosto en Comunicaciones de la Naturaleza. Snyder, que dirige el Centro de Stanford para la Genómica y el Remedio Personalizado, comparte la profesión de escritor mayor del estudio con Daniel Rubin, DOCTOR EN MEDICINA, profesor adjunto de la radiología y del remedio. El Estudiante de tercer ciclo Kun-Hsing Yu, DOCTOR EN MEDICINA, es el autor importante del estudio.

Aunque el estudio actual se centrara en cáncer de pulmón, los investigadores creen que una aproximación similar se podría utilizar para muchos otros tipos de cáncer.

“Final esta técnica nos dará discernimiento en los mecanismos moleculares del cáncer conectando características patológicas importantes con datos del resultado,” dijo a Snyder.

Evaluar el grado, severidad del cáncer

Por décadas, los patólogos han evaluado la severidad, o el “grado,” del cáncer usando un microscopio pálido para examinar los cortes transversales finos del tejido del tumor montados en las diapositivas de cristal. Más anormal el tejido del tumor aparecía -- en términos de talla y dimensión de una variable de célula, entre otros indicadores -- más alto es el grado. Un escenario también se destina basado conectado si y donde el cáncer se ha extendido en el cuerpo.

A Menudo el grado y el escenario de un cáncer se pueden utilizar para predecir cómo se irá el paciente. También pueden ayudar a clínicos a decidir cómo, y cómo agresivamente, tratar la enfermedad. Este sistema de clasificación no trabaja siempre bien para el cáncer de pulmón, sin embargo. Particularmente, los subtipos del cáncer de pulmón de la adenocarcinoma y el carcinoma de células escamosas pueden ser difíciles informar aparte cuándo la cultura de examen del tejido desliza. Además, el escenario y el grado del cáncer de un paciente no correlaciona siempre con su pronóstico, que puede variar extensamente. El Cincuenta por ciento de pacientes de la adenocarcinoma stage-1, por ejemplo, muere en el plazo de cinco años de su diagnosis, mientras que el cerca de 15 por ciento sobrevive más de 10 años.

Los investigadores utilizaron 2.186 imágenes de una base de datos nacional llamada el Atlas del Genoma del Cáncer obtenido de pacientes con la adenocarcinoma o el carcinoma de células escamosas. La base de datos también contuvo la información sobre el grado y el escenario destinados a cada cáncer y cuánto tiempo cada paciente vivió después de diagnosis.

Los investigadores entonces utilizaron las imágenes “para entrenar” a un programa de los programas informáticos para determinar muchas más características cáncer-específicas que puede ser detectado por el aro humano -- casi 10.000 rasgos individuales, comparado con los varios cientos evaluados generalmente por los patólogos. Estas características incluyeron no apenas talla y dimensión de una variable de célula, pero también la dimensión de una variable y la textura de las relaciones espaciales de células de los núcleos y entre las células vecinas del tumor.

“Comenzamos el estudio sin ningunas ideas preconcebida, y permitimos el software determinar qué características son importantes,” dijimos a Snyder, que es la Stanford W. Ascherman, el DOCTOR EN MEDICINA, FACS, Profesor en Genética. “Restrospectivamente, todo tiene sentido. Y los ordenadores pueden evaluar incluso diferencias minúsculas a través de millares de muestras muchas veces más exactamente y rápidamente que un ser humano.”

Traer la patología en el siglo XXI

Los investigadores dirigidos hacia adentro en un subconjunto de características celulares determinadas por el software que se podría utilizar mejor para distinguir las células del tumor del tejido noncancerous circundante, para determinar el subtipo del cáncer, y para predecir cuánto tiempo cada paciente sobreviviría después de diagnosis. Entonces validaron la capacidad del software de distinguir exactamente a sobrevivientes a corto plazo de los que vivieron importante más de largo en otro grupo de datos de 294 enfermos de cáncer del pulmón de la Base De Datos del Microarray del Tejido de Stanford.

Determinando las características físicas previamente desconocidas que pueden predecir los tiempos de la severidad y de supervivencia del cáncer son también probables llevar a la mayor comprensión de los procesos moleculares del lanzamiento y de la progresión del cáncer. Particularmente, Snyder anticipa que el sistema de máquina-aprendizaje descrito en este estudio podrá complementar los campos emergentes de la genómica, del transcriptomics y del proteomics del cáncer. Los investigadores del Cáncer en estos campos estudian las mutaciones de la DNA y los modelos de la expresión del gen y de la proteína que llevan a la enfermedad.

“Pusimos en marcha este estudio porque quisimos comenzar a casar proyección de imagen con nuestros “estudios del omics” para entender mejor procesos cancerosos en un nivel molecular,” Snyder dijimos. “Esto trae la patología del cáncer en el siglo XXI y tiene el potencial de ser una cosa impresionante para los pacientes y sus clínicos.”

El trabajo es un ejemplo del enfoque del Remedio de Stanford en salud de la precisión, la meta cuyo es anticipar y prevenir enfermedad en el sano y exacto diagnosticar y tratar enfermedad en el Illinois.

Fuente: Centro Médico de la Universidad de Stanford