Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il nuovo approccio usa il AI per identificare che i cancri al seno della fase iniziale spargeranno

Circa 1 in 5 nuovi cancri al seno è catturato nelle loro fasi più iniziali, prima che si siano sparsi dalle condotte del latte nel tessuto circostante del petto.

Ma che medici non possono corrente predire con alta fiducia è quale di questi cancri -; conosciuto come tumore in situ duttale (DCIS) o metta in scena 0 cancri al seno -; sia probabile ricorrere e spargersi dopo chirurgia e quale l'ambulatorio è probabile fare maturare.

I ricercatori al centro del Cancro di U-M Rogel hanno sviluppato un nuovo approccio diagnostico facendo uso di intelligenza artificiale che obiettivi per fare esattamente che -; e con accuratezza più maggior di di 90%, secondo i risultati pubblicati nel giornale americano di fisiologia della Fisiologia-Cella.

Gli scienziati realmente non capiscono che che cosa piombo alla ricorrenza del cancro al livello molecolare e quello lo ha reso impossible predire esattamente quali pazienti avvertiranno una ricorrenza e quale non non. Che cosa abbiamo trovato è che determinati enzimi chiave si raccolgono vicino alla membrana cellulare in questi cancri al seno in anticipo che finiscono essere aggressivi, ma non fanno nei cancri che sono non aggressivi.„

Howard piccolo, Ph.D., professore di oftalmologia e di scienze visive e di microbiologia e di immunologia alla medicina del Michigan, università di centro medico accademico di Michigan

Sapere aggressivo un cancro della fase 0 è probabile essere potrebbe aiutare i pazienti ed i loro medici a decidere di migliore corso del trattamento -; quale è tipicamente qualsiasi ambulatorio di conservazione del petto, che consiste della rimozione del tumore e una piccola quantità di tessuto, seguita da radiazione, o rimozione di intero petto.

D'importanza, piccolo e co-author Alexandra Kraft, ora un dottorando nel dipartimento della genetica umana, trovato che l'abbondanza di queste proteine chiave non ha predetto l'aggressività di un cancro, mentre la loro posizione vicino alla membrana cellulare ha fatto.

Un suggerimento critico che ha influenzato la direzione della ricerca è venuto da una sorgente improbabile -; Il figlio piccolo, un esperto in cyber-obbligazione ad una società di video di credito, che ha suggerito i ricercatori potrebbe usare le tecniche di apprendimento automatico per insegnare ai computer per fare le connessioni sempre più raffinate fra le funzionalità sottili nelle immagini ad alta definizione catturate dei campioni di tessuto pazienti ed i risultati quei pazienti con esperienza.

“Il computer sta cercando i reticoli nelle immagini che gli esseri umani non possono discernere prontamente, dal livello di diversi pixel fino ad un'intera immagine di milione pixel,„ dice piccolo, un membro del centro del Cancro di U-M Rogel.

I ricercatori hanno cominciato con i campioni da 70 pazienti con il cancro al seno della fase 0 che aveva subito una mastetomia e per cui c'erano almeno 10 anni supplementari di cartelle sanitarie disponibili. Venti dei 70 pazienti hanno avvertito una ricorrenza del loro cancro, mentre 50 non hanno fatto.

Questi campioni di tessuto sono stati macchiati in modo che le proteine di interesse fossero flourescenti sotto il microscopio. Poi, facendo uso di un'applicazione avanzata di dispositivo ottico del computer, gli scienziati hanno creato una libreria delle immagini del microscopio che sono state associate con DCIS aggressivo o non aggressivo, in base a che cosa era accaduto a quel paziente.

Dopo i ricercatori hanno mostrato al programma approssimativamente 100 micrografi che non aveva veduto prima -; conosciuto come immagini del resistente -; per vedere come potrebbe predire esattamente se il cancro di quel paziente era probabile ricorrere.

Con i perfezionamenti col passare del tempo, il programma ora può identificare correttamente la malattia aggressiva e non aggressiva 96% del tempo, il gruppo riferito.

“Che è abbastanza impressionante quando considerate che un umano esaminando queste immagini ottenga la destra circa 70% di risposta del tempo,„ piccolo dice. “Ed abbiamo continuato a lavorare a diminuire il livello di falsi negativi.„

Il programma egualmente ha riferito i falsi positivi in 4% dei casi -; cioè ha identificato la malattia aggressiva in pazienti che non hanno avvertito la ricorrenza.

“Crediamo che molti di questi esempi parlino all'abilità del chirurgo del paziente, che efficacemente essiccato loro della malattia più aggressiva nella sala operatoria,„ piccolo dice.

Poichè il programma continua ad essere raffinato facendo uso dei campioni supplementari, piccoli è promettente che con ulteriore convalida la tecnologia potrebbe essere approvata per uso clinico da Food and Drug Administration tra qualche anno.

Inoltre, dice, l'approccio potrebbe provare efficace nella predizione dell'aggressività di altri simili tipi di cancri.

“Abbiamo cominciato con un'ipotesi circa i meccanismi biochimici che determinano la ricorrenza del cancro, abbiamo verificato il ruolo del movimento delle proteine chiave alla membrana cellulare nella ricorrenza del cancro e poi abbiamo confermato la nostra comprensione della biologia di fondo valutando come la nostra spiegazione ha predetto che cosa realmente vediamo in pazienti,„ piccolo spiega. “Questo comprensione migliore della biologia della ricorrenza del cancro ha potuto anche informare lo sviluppo di nuove droghe anticancro.„

L'università del Michigan file una richiesta di brevetto sulla tecnologia e sta valutando le opzioni per avanzarla verso il servizio.

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.