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.

A aproximação nova usa o AI para identificar que os cancro da mama da fase inicial espalharão

Aproximadamente 1 em 5 cancro da mama novos está travado em suas fases mais adiantadas, antes que espalhem dos canais do leite no tecido circunvizinho do peito.

Mas que doutores não podem actualmente prever com confiança alta é quais destes cancros -; sabido como in situ de carcinoma ductal (DCIS) ou encene 0 cancro da mama -; seja provável retornar e espalhar após a cirurgia, e qual a cirurgia é provável curar.

Os pesquisadores no centro do cancro do U-M Rogel desenvolveram uma aproximação diagnóstica nova usando a inteligência artificial que os alvos para fazer exactamente isso -; e com precisão maior de 90%, de acordo com os resultados publicados no jornal americano da fisiologia da Fisiologia-Pilha.

Os cientistas não compreendem realmente que o que conduz ao retorno do cancro a nível molecular e aquele fez impossível prever exactamente que pacientes experimentarão um retorno e qual não. O que nós encontramos é que determinadas enzimas chaves recolhem perto da membrana de pilha nestes cancro da mama adiantados que terminam acima ser agressivos, mas não fazem nos cancros que são não-agressivos.”

Howard mesquinho, Ph.D., professor da oftalmologia e de ciências visuais, e da microbiologia e da imunologia na medicina de Michigan, universidade do centro médico académico de Michigan

Saber agressivo um cancro da fase 0 é provável ser poderia ajudar pacientes e seus doutores a decidir no melhor curso de tratamento -; qual é tipicamente uma ou outra cirurgia de conservação do peito, que consiste na remoção do tumor e uma pequena quantidade de tecido, seguida pela radiação, ou remoção do peito inteiro.

Importante, mesquinho e co-author Alexandra Kraft, agora um aluno diplomado no departamento da genética humana, encontrado que a abundância destas proteínas chaves não previu a agressividade de um cancro, quando seu lugar perto da membrana de pilha fez.

Uma sugestão crítica que influenciasse o sentido da pesquisa veio de uma fonte improvável -; O filho Petty, um perito da cyber-segurança em uma empresa da monitoração do crédito, que sugerisse os pesquisadores poderia usar técnicas de aprendizagem da máquina para ensinar computadores para fazer conexões cada vez mais refinadas entre características subtis nas imagens de alta resolução tomadas de amostras de tecido pacientes e os resultados aqueles pacientes experimentados.

“O computador está procurando testes padrões nas imagens que os seres humanos não podem prontamente distinguir, do nível de pixéis individuais até uma imagem inteira de milhão pixéis,” diz mesquinho, um membro do centro do cancro do U-M Rogel.

Os pesquisadores começaram com as amostras de 70 pacientes com cancro da mama da fase 0 que se tinham submetido a uma mastectomia, e para quem havia pelo menos 10 anos adicionais de informes médicos disponíveis. Vinte dos 70 pacientes experimentaram um retorno de seu cancro, quando 50 não fizeram.

Estas amostras de tecido foram manchadas de modo que as proteínas do interesse brilhassem sob o microscópio. Então, usando uma aplicação avançada da visão de computador, os cientistas criaram uma biblioteca das imagens do microscópio que foram associadas com o DCIS agressivo ou não-agressivo, com base no que tinha acontecido a esse paciente.

Em seguida os pesquisadores mostraram ao programa aproximadamente 100 micrografia que não tinha considerado antes -; sabido como imagens do resistente -; para ver como bom poderia exactamente prever se o cancro desse paciente era provável retornar.

Com refinamentos ao longo do tempo, o programa pode agora identificar correctamente a doença agressiva e não-agressiva 96% do tempo, a equipe relatada.

“Que é consideravelmente impressionante quando você considera que um humano olhando estas imagens obteria o direito aproximadamente 70% da resposta do tempo,” mesquinho diz. “E nós continuamos a trabalhar em reduzir o nível de negativos falsos.”

O programa igualmente relatou falsos positivos em 4% dos casos -; isto é, identificou a doença agressiva nos pacientes que não experimentaram o retorno.

“Nós acreditamos que muitos destes exemplos falam à habilidade do cirurgião do paciente, que os curou eficazmente de uma doença mais agressiva na sala de operações,” mesquinho dizem.

Porque o programa continua a ser refinado usando as amostras adicionais, mesquinhos é esperançoso que com validação mais adicional a tecnologia poderia ser aprovada para o uso clínico por Food and Drug Administration dentro dos próximos anos.

Além disso, diz, a aproximação poderia provar eficaz em prever a agressividade de outros tipos similares de cancro.

“Nós começamos com uma hipótese sobre os mecanismos bioquímicos que conduzem o retorno do cancro, testamos o papel do movimento das proteínas chaves à membrana de pilha no retorno do cancro e confirmamos então nossa compreensão da biologia subjacente avaliando como bom nossa explicação previu o que nós vemos realmente nos pacientes,” mesquinho explica. “Isto compreensão melhorada da biologia do retorno do cancro podia igualmente informar a revelação de drogas anticancerosas novas.”

A Universidade do Michigan arquivou uma solicitude de patente na tecnologia e está avaliando opções para avançá-la para o mercado.

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.