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.

L'approche neuve emploie l'AI pour recenser que les cancers du sein de stade précoce écarteront

Environ 1 dans 5 cancers du sein neufs sont recueillis à leurs parties, avant qu'ils aient écarté des conduits de lait dans le tissu environnant de sein.

Mais quels médecins ne peuvent pas actuel prévoir avec la confiance élevée est lesquels de ces cancers - ; connu comme carcinome canalaire in situ (DCIS) ou stationnez 0 cancers du sein - ; soyez susceptible de se reproduire et écarter après la chirurgie, et lesquels la chirurgie est susceptible de corriger.

Les chercheurs au centre de lutte contre le cancer d'UM Rogel ont développé une approche diagnostique neuve utilisant l'artificial intelligence qui des objectifs pour faire exact cela - ; et avec l'exactitude plus grand que de 90%, selon des découvertes publiées dans le tourillon américain de la physiologie de Physiologie-Cellule.

Les scientifiques ne comprennent pas réellement que ce qui mène à la récidive de cancer au niveau moléculaire et cela l'a rendu impossible de prévoir exactement quels patients remarqueront une récidive et ce qui pas. Ce que nous avons trouvé est que certaines enzymes principales se rassemblent près de la membrane cellulaire dans ces cancers précoces du sein qui finissent être en hausse agressifs, mais elles ne font pas dans les cancers qui sont non-agressifs. »

Howard petit, Ph.D., professeur de l'ophthalmologie et des sciences visuelles, et de la microbiologie et de l'immunologie au médicament du Michigan, université du centre médical universitaire de Michigan

Savoir agressif un cancer de l'étape 0 est susceptible d'être pourrait aider des patients et leurs médecins à décider du meilleur traitement - ; ce qui est type l'un ou l'autre de chirurgie de économie de sein, qui se compose du démontage de la tumeur et un peu de tissu, suivi de la radiothérapie, ou démontage du sein entier.

D'une manière primordiale, petit et co-auteur Alexandra Papier d'emballage, maintenant un étudiant de troisième cycle dans le service de la génétique humaine, constaté que l'abondance de ces protéines principales n'a pas prévu l'agressivité d'un cancer, alors que leur emplacement près de la membrane cellulaire faisait.

Une suggestion critique qui a influencé le sens de la recherche est venue d'une source peu probable - ; Le fils petit, un expert en matière de cybersécurité à une compagnie de surveillance de crédit, qui a proposé les chercheurs pourrait employer des techniques d'apprentissage automatique pour enseigner des ordinateurs pour établir les rapports de plus en plus de raffinage entre les caractéristiques subtiles dans les images haute résolution prises des prélèvements de tissu patients et les résultats ces patients remarqués.

« L'ordinateur recherche des configurations dans les images que les êtres humains ne peuvent pas promptement discerner, du niveau de différents pixels jusqu'à une image entière de million de pixels, » dit petit, un membre du centre de lutte contre le cancer d'UM Rogel.

Les chercheurs ont commencé par des échantillons provenant de 70 patients présentant le cancer du sein de l'étape 0 qui avait subi une mastectomie, et pour qui il y avait au moins 10 années complémentaires de dossiers médicaux procurables. Vingt des 70 patients ont remarqué une récidive de leur cancer, alors que 50 ne faisaient pas.

Ces prélèvements de tissu ont été souillés de sorte que les protéines d'intérêt brillent par fluorescence sous le microscope. Puis, utilisant une application de pointe de visibilité d'ordinateur, les scientifiques ont produit une bibliothèque des images de microscope qui ont été associées à DCIS agressif ou non-agressif, basée sur ce qui était arrivé à ce patient.

Ensuite les chercheurs ont montré au programme approximativement 100 micrographes qu'il n'avait pas vu avant - ; connu comme images de résistant - ; pour voir à quel point il pourrait exactement prévoir si le cancer de ce patient était susceptible de se reproduire.

Avec des améliorations au fil du temps, le programme peut maintenant recenser correctement la maladie agressive et non-agressive 96% du temps, l'équipe rapportée.

« Qui est assez impressionnant quand vous considérez qu'un humain regardant ces images obtiendrait la droite environ 70% de réponse du temps, » petit dit. « Et nous avons prolongé à travailler à réduire le niveau des faux négatifs. »

De programme les faux positifs rapportés également dans 4% de cas - ; c'est-à-dire, il a recensé la maladie agressive dans les patients qui n'ont pas remarqué la récidive.

« Nous croyons que plusieurs de ces exemples parlent à la technique du chirurgien du patient, qui les a effectivement corrigés de la maladie plus agressive dans la salle d'opération, » petit dit.

Car le programme continue à être raffiné utilisant les échantillons complémentaires, petits est plein d'espoir qu'avec davantage de validation la technologie pourrait être approuvée pour l'utilisation clinique par Food and Drug Administration dans les prochaines années.

D'ailleurs, il dit, l'approche pourrait se montrer à prévoir efficace l'agressivité d'autres types de cancer assimilés.

« Nous avons commencé par une hypothèse au sujet des mécanismes biologiques qui pilotent la récidive de cancer, avons vérifié le rôle du mouvement des protéines principales à la membrane cellulaire dans la récidive de cancer et avons puis confirmé notre compréhension de la biologie fondamentale en évaluant à quel point notre explication a prévu ce que nous voyons réellement dans les patients, » petit explique. « Ceci compréhension améliorée de la biologie de la récidive de cancer a pu également aviser le développement des médicaments anticancéreux neufs. »

L'Université du Michigan a déposé une demande de brevet sur la technologie et évalue des options pour l'avancer vers le marché.

Source:
Journal reference:

Kraft, A.M & Petty, H.R (2020) Spatial locations of certain enzymes and transporters within pre-invasive ductal epithelial cells predict human breast cancer recurrences. American Journal of Physiology-Cell Physiology. doi.org/10.1152/ajpcell.00280.2020.