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.

La nueva aproximación utiliza el AI para determinar que los cánceres de pecho del primero tiempo extenderán

Cerca de 1 en 5 nuevos cánceres de pecho se coge en sus primeros tiempos, antes de que se hayan extendido de tuberías de la leche en el tejido circundante del pecho.

Pero qué doctores no pueden predecir actualmente con la alta confianza es cuáles de estos cánceres -; conocido como in situ de carcinoma ductal (DCIS) o efectúe 0 cánceres de pecho -; sea probable repetirse y extenderse después de cirugía, y cuáles la cirugía es probable curar.

Los investigadores en el centro del cáncer del U-M Rogel han desarrollado una nueva aproximación diagnóstica usando la inteligencia artificial que los objetivos para hacer exactamente eso -; y con la exactitud mayor de 90%, según las conclusión publicadas en el gorrón americano de la fisiología de la Fisiología-Célula.

Los científicos no entienden realmente que qué lleva a la repetición del cáncer en el nivel molecular y ése ha hecho imposible predecir exacto qué pacientes experimentarán una repetición y cuáles no. Qué encontramos es que ciertas enzimas dominantes cerco cerca de la membrana celular en estos cánceres de pecho tempranos que terminen hacia arriba ser agresivos, pero no hacen en los cánceres que son no-agresivos.”

Howard pequeño, Ph.D., profesor de la oftalmología y de las ciencias visuales, y de la microbiología y de la inmunología en el remedio de Michigan, universidad del centro médico académico de Michigan

Saber agresivo un cáncer del escenario 0 es probable ser podría ayudar a pacientes y a sus doctores a decidir sobre el mejor curso del tratamiento -; cuál es típicamente cualquier cirugía conservadora del pecho, que consiste en el retiro del tumor y una pequeña cantidad de tejido, seguida por la radiación, o retiro del pecho entero.

Importantemente, pequeño y co-author a Alexandra Kraft, ahora estudiante de tercer ciclo en el departamento de la genética humana, encontrado que la abundancia de estas proteínas dominantes no predijo la agresividad de un cáncer, mientras que lo hizo su situación cerca de la membrana celular.

Una sugerencia crítica que influenció la dirección de la investigación vino de una fuente inverosímil -; El hijo pequeño, experto de la cibernético-seguridad en una compañía de la supervisión del haber, que sugirió a los investigadores podría utilizar técnicas de aprendizaje de máquina para enseñar a las computadores para hacer conexiones cada vez más refinadas entre las características sutiles en las imágenes de alta resolución tomadas de muestras de tejido pacientes y los resultados esos pacientes experimentados.

“La computador está buscando configuraciones en las imágenes que los seres humanos no pueden discernir fácilmente, del nivel de pixeles individuales hasta una imagen entera de millón de pixeles,” dice pequeño, una pieza del centro del cáncer del U-M Rogel.

Los investigadores comenzaron con las muestras a partir de 70 pacientes con el cáncer de pecho del escenario 0 que habían experimentado una mastectomía, y para el cual había por lo menos 10 años adicionales de informes médicos disponibles. Veinte de los 70 pacientes experimentaron una repetición de su cáncer, mientras que no hicieron 50.

Estas muestras de tejido fueron manchadas de modo que las proteínas del interés fueran fluorescentes bajo el microscopio. Entonces, usando un uso avanzado de la visión de computador, los científicos crearon una biblioteca de las imágenes del microscopio que fueron asociadas a DCIS agresivo o no-agresivo, sobre la base de qué había suceso a ese paciente.

Después los investigadores mostraron a programa áspero 100 micrográfos que no había considerado antes -; conocido como imágenes del reticente -; para ver como de bien podría predecir exacto si el cáncer de ese paciente era probable repetirse.

Con refinamientos en un cierto plazo, el programa puede ahora determinar correctamente la enfermedad agresiva y no-agresiva el 96% del tiempo, las personas denunciadas.

“Que es bastante impresionante cuando usted considera que un humano observando estas imágenes conseguiría la derecha el cerca de 70% de la respuesta del tiempo,” pequeño dice. “Y hemos continuado trabajar en reducir el nivel de falsos negativos.”

El programa también denunció positivos falsos en el 4% de casos -; es decir, determinó enfermedad agresiva en los pacientes que no experimentaron la repetición.

“Creemos que muchos de estos ejemplos hablan a la habilidad del cirujano del paciente, que los curó efectivo de una enfermedad más agresiva en la sala de operaciones,” pequeño dicen.

A medida que el programa continúa ser refinado usando las muestras adicionales, pequeñas está esperanzado que con la validación adicional la tecnología podría ser aprobada para el uso clínico por Food and Drug Administration en los próximos años.

Por otra parte, él dice, la aproximación podría probar efectivo en predecir la agresividad de otros tipos similares de cáncer.

“Comenzamos con una hipótesis sobre los mecanismos bioquímicos que impulsan la repetición del cáncer, probamos el papel del movimiento de las proteínas dominantes a la membrana celular en la repetición del cáncer y después confirmamos nuestra comprensión de la biología subyacente fijando como de bien nuestra explicación predijo qué vemos real en pacientes,” pequeño explica. “Esto comprensión perfeccionada de la biología de la repetición del cáncer podía también informar al revelado nuevas drogas anticáncer.”

La Universidad de Michigan ha presentado una solicitud de patente en la tecnología y está fijando opciones para avance la hacia el 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.