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.

El AI puede ayudar a eliminar el uso de la biopsia para los enfermos de cáncer del cerebro

Los enfermos de cáncer del cerebro en los próximos años pueden no necesitar ir bajo el cuchillo a ayudar a doctores a determinar el mejor tratamiento para sus tumores.

Un nuevo estudio por inteligencia artificial de las demostraciones al sudoeste de UT puede determinar una mutación genética específica en un tumor de la glioma simple examinando las imágenes 3D del cerebro - con el más de 97 por ciento de exactitud. Tal tecnología podría potencialmente eliminar la práctica común de las cirugías del tratamiento previo en las cuales las muestras de la glioma se recogen y se analizan para elegir una terapia apropiada.

Los científicos en todo el país han estado probando otras técnicas de proyección de imagen estos últimos años, pero la última investigación describe quizás uno de los métodos más exactos y clínico más viables en el esfuerzo disperso de alterar el paradigma de fijar el cáncer de cerebro.

Conocer un estado determinado de la mutación en gliomas es importante en la determinación de estrategias del pronóstico y del tratamiento. La capacidad de determinar este estado usando apenas proyección de imagen y el AI convencionales es un gran salto adelante.”

José Maldjian, M.D., jefe del neuroradiology en el instituto al sudoeste del cerebro de UT O'Donnell

Enzimas transformadas

El estudio utilizó una red de profundo-aprendizaje y la proyección de imagen de resonancia magnética estándar (MRI) para descubrir el estado de un gen llamó la deshidrogenasa del isocitrate (IDH), que produce una enzima que en forma transformada pueda accionar incremento del tumor en el cerebro.

Los doctores que se preparan para tratar gliomas tendrán a menudo pacientes experimentar cirugía para obtener el tejido del tumor que entonces se analiza para determinar el estado de la mutación de IDH. La estrategia del pronóstico y del tratamiento variará basado conectado si un paciente tiene una glioma IDH-transformada.

Sin embargo, porque la obtención de una muestra adecuada puede a veces ser que toma tiempo y aventurado - determinado si los tumores son difíciles de llegar hasta - los investigadores han estado estudiando estrategias no-quirúrgicas para determinar estado de la mutación de IDH.

El estudio, publicado este primavera en Neuro-Oncología, se distingue de la investigación anterior de tres maneras:

  • El método es altamente exacto. Las técnicas anteriores no han podido a menudo eclipsar el 90 por ciento de exactitud.
  • El estado de la mutación fue determinado analizando solamente a una única serie de SR. imágenes, en comparación con tipos de la imagen múltiple.
  • Un único algoritmo fue requerido para fijar el estado de la mutación de IDH en los tumores. Otras técnicas han requerido o regiones a mano de interés o los modelos de profundo-aprendizaje adicionales a primero determinan los límites del tumor después descubren mutaciones potenciales.

“La belleza de este nuevo modelo de profundo-aprendizaje es su simplicidad y alto nivel de exactitud,” dice Maldjian, agregando que los métodos similares se pueden utilizar para determinar otros marcadores moleculares importantes para los diversos cánceres. “Hemos quitado pasos adicionales del proceso previo y hemos creado un decorado ideal para fácilmente transitioning esto en cuidado clínico usando las imágenes que se detectan rutinario.”

Proyección de imagen del tumor

Las gliomas comprenden a la mayoría fuerte de los tumores malos encontrados en el cerebro y pueden extenderse a menudo rápidamente a través de tejido circundante. La tasa de supervivencia de cinco años para las gliomas de alto grado es el 15%, aunque los tumores con las enzimas transformadas de IDH tienen generalmente un mejor pronóstico.

El estado de la mutación de IDH también ayuda a doctores a decidir sobre una combinación de los tratamientos más convenientes para el paciente, de la radioterapia de la quimioterapia y a la cirugía para quitar el tumor.

Para perfeccionar el proceso de descubrir mutaciones de la enzima y de la decisión sobre terapia apropiada, las personas de Maldjian desarrollaron dos redes de profundo-aprendizaje que analizaban datos de la proyección de imagen de a público - base de datos disponible de más de 200 enfermos de cáncer del cerebro de enfrente de los E.E.U.U.

Una red utilizó solamente una serie del MRI (imágenes de T2-weighted), mientras que la otra imagen múltiple usada pulsa del MRI. Las dos redes lograron casi la misma exactitud, sugiriendo que el proceso de descubrir mutaciones de IDH podría ser importante aerodinámico usando solamente las imágenes de T2-weighted.

“Retrato grande”

Las personas de Maldjian probarán después su modelo de profundo-aprendizaje en grupos de datos más grandes para la validación adicional antes de decidir si incorporar la técnica en cuidado clínico.

Mientras tanto, los investigadores están esperando desarrollar medicaciones para inhibir IDH con juicios clínicas nacionales en curso. Si son efectivos, estos inhibidores podrían combinar con técnicas de la AI-proyección de imagen para reacondicionar cómo se fijan y se tratan algunos cánceres de cerebro.

“En el retrato grande, podemos poder tratar algunas gliomas sin operar en un paciente,” Maldjian dice. “Utilizaríamos el AI para descubrir una glioma IDH-transformada, después para utilizar los inhibidores de IDH para retrasar o para invertir el incremento del tumor. El campo de la radio-genómica está estallando con posibilidades.”

Source:
Journal reference:

Yogananda,C.G.B., et al. (2020) A novel fully automated MRI-based deep-learning method for classification of IDH mutation status in brain gliomas. Neuro-Oncology. doi.org/10.1093/neuonc/noz199.