Utilizzando i dati grandi per identificare seno, orofaringea, tumori polmonari triple-negativi

Giugno 23, 2016 Admin Salute 0 6
FONT SIZE:
fontsize_dec
fontsize_inc

I ricercatori della Case Western Reserve University e colleghi hanno usato analisi "Big Data" per prevedere se un paziente è affetto da cancro al seno triplo negativo aggressivo, i tumori o lesioni non cancerose si muove più lentamente con una precisione del 95 per cento.

Se i piccoli modelli che hanno trovato nelle immagini di risonanza magnetica si dimostrano coerenti in ulteriori studi, la tecnica potrebbe consentire ai medici di utilizzare una risonanza magnetica per la diagnosi di tumori più aggressivi prima e veloce pista questi pazienti per la terapia. Il loro lavoro è stato pubblicato online sulla rivista Radiology.

Il lavoro arriva appena due mesi dopo l'autore senior Anant Madabhushi e un altro gruppo di ricercatori ha dimostrato che possono rilevare le differenze tra le forme persistenti e curabili di testa e del collo tumori causati dall'esposizione al papillomavirus umano, con una precisione 87,5 per cento. In questo studio, le immagini digitali sono state fatte da diapositive di tumori dei pazienti.




Next up, laboratorio di Madabhushi recentemente ricevuto una, 2 anni di concessione $ 534.000 da parte del Dipartimento della Difesa per trovare i modelli di indolente contro il cancro aggressivo nei polmoni. L'obiettivo è quello di diagnosticare la presenza di tumori polmonari aggressive da CT scansioni da solo.

"Letteralmente, quello che stiamo cercando di fare è spremere le informazioni non siamo in grado di vedere solo guardando un'immagine", ha detto Madabhushi, un professore di ingegneria biomedica presso la Case Facoltà di Ingegneria e direttore del Center for Computational Imaging e personalizzati Diagnostics.

Ricerca di marcatori rivelatori

Madabhushi lavorato con Shannon C. Agner alla Rutgers University e Mark A. Rosen, MD; Sarah Englander; Mitchell D. Schnall, MD; Michael D. Feldman, MD; Paul Zhang, MD; e Carolyn Miles; MD, presso l'Università della Pennsylvania, sullo studio del cancro al seno.

Hanno analizzato immagini RM di lesioni mammarie da 65 donne. I ricercatori hanno passato al setaccio centinaia di gigabyte di dati delle immagini da ogni paziente per cercare di trovare le differenze che distinguono i diversi sottotipi di tumori al seno l'uno dall'altro.

Madabhushi ei suoi colleghi hanno scoperto che il cancro triplo negativo, fibroadenoma benigno che è comunemente scambiato per triplo negativo, e altri due tipi comuni di cancro al seno - recettore per gli estrogeni positivi (ER +) e epidermico umano fattore di crescita recettore di tipo 2-postive ( HER2 +) - riflettono diverse texture quando le immagini vengono esaltate con agenti contrastanti.

Gli scienziati matematicamente modellate le texture che appaiono come i tessuti assorbono dye di intensificazione del contrasto. Il modello ha rivelato che i cambiamenti nel proprio millisecondi distinto triplo negativo da lesioni benigne. I ricercatori hanno utilizzato metodi di apprendimento automatico e pattern recognition per aiutare nella diagnosi tra i tre tipi di tumori basato su cambiamenti di struttura e altre prove quantitative.

"Oggi, se una donna o il suo medico trova un nodulo, si ottiene una mammografia e quindi una biopsia per l'analisi molecolare, che può richiedere due settimane o fino a un mese", ha detto Madabhushi. "Se siamo in grado di predire il cancro è triplo-negativo, siamo in grado di Fast Track il paziente per la biopsia e trattamento. Soprattutto nei casi con tumore triplo negativo, due a quattro settimane salvati possono essere cruciale."

Per i tre tipi di tumori, la diagnosi precoce consentirebbe trattamenti veloci e personalizzati. ER + e HER2 + rispondere alle diverse terapie. Una risonanza magnetica potrebbe diventare un dispositivo di screening regolare per le donne che hanno storie familiari di questi tumori.

Altri tumori

Utilizzando la stessa scienza, Madabhushi e colleghi ricercatori della Washington University hanno sviluppato un modo per distinguere tra ricorrenti e forme curabili di uno specifico tumore della testa e del collo chiamato orofaringeo a cellule squamose papillomavirus legati umana. Tale lavoro è stato pubblicato all'inizio di quest'anno nella American Journal of Surgical Pathology.

"La maggior parte dei malati tendono ad avere buoni risultati, ma un piccolo sottoinsieme - circa il 10 per cento - non lo fa", ha detto. "Non c'è niente là fuori per prevedere quali.

"Abbiamo sviluppato un algoritmo e abbiamo scoperto i modelli che ci hanno permesso di distinguere tra la precisione due con 80 e il 90 per cento."

Dopo la scansione biopsia e di resezione del tumore diapositive da 160 pazienti in un computer, i ricercatori hanno scoperto che potevano usare nuclei delle cellule cancerose di caratterizzare e misurare la distribuzione delle cellule e modelli di clustering.

Hanno trovato dove i nuclei delle cellule avevano ritornato ad una forma più primitiva, una condizione chiamata anaplasia, le cellule sono state ben raggruppati e il paziente ha sofferto di cancro ricorrente. Essi graficamente i nuclei in ciascuna delle immagini e trovarono c'era poco da alcuna sovrapposizione tra il cancro ricorrenti altamente cluster e la forma curabile relativamente disperdersi.

I risultati, se confermati attraverso ulteriori studi, potrebbe portare ad un trattamento più mite per i pazienti che hanno il cancro non ricorrente e di un trattamento più aggressivo per le persone con il cancro ricorrenti, dicono i ricercatori.

"Medicina personalizzata è possibile utilizzare questo", ha detto Madabhushi. "Utilizzo di campioni bioptici, patologi non può dire l'uno dall'altro, ma grandi analisi dei dati può."

Il nuovo progetto di Il suo laboratorio è quello di trovare le caratteristiche che possono identificare il cancro o condizioni precancerose nei polmoni, e di distinguere tra diversi tipi di tumori polmonari.

La maggior parte dei tumori al polmone sono diagnosticati in fase avanzata, oltre il periodo in cui la chirurgia può avere successo. Tasso di sopravvivenza per una delle forme peggiori, il cancro del polmone non a piccole cellule, rimane a 15 al 18 per cento. In questo studio, il laboratorio utilizzerà le immagini a raggi X scattate con scansioni di tomografia computerizzata a costruire la loro libreria di immagini digitali.

(0)
(0)

Commenti - 0

Non ci sono commenti

Aggiungi un commento

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Caratteri rimanenti: 3000
captcha