Un equipo de investigación dirigido por científicos de la USC ha desarrollado una nueva forma de identificar marcadores moleculares de los tumores de cáncer de mama, un avance potencialmente salvador que podría conducir a un mejor tratamiento para millones de mujeres.
Ayudados por el aprendizaje automático, los investigadores enseñaron a una computadora a clasificar rápidamente imágenes de tumores de seno para identificar cuáles tenían receptores de estrógenos, una clave para determinar el pronóstico y las opciones de tratamiento. Ese es un gran paso adelante de los microscopios y las biopsias celulares en uso para obtener más informaciónmás de un siglo, según los científicos.
El trabajo abre una nueva vía para el tratamiento del cáncer de seno que promete resultados más rápidos a menor costo para más personas en todo el mundo, dijo David B. Agus, profesor de la Escuela de Medicina Keck de la USC y la Escuela de Ingeniería Viterbi de la USC. También esCEO del Instituto Lawrence J. Ellison de Medicina Transformativa de la USC.
Los hallazgos aparecen esta semana en Nature Partner Journals Cáncer de mama .
"Es el comienzo de una revolución para utilizar el aprendizaje automático para llevar nueva información sobre el cáncer de seno al médico", dijo Agus. "Podemos usarlo para detectar mejores tratamientos, brindar información a los pacientes más rápido y ayudar a más personas".estamos desatando este poder para dar nueva información a los médicos y ayudar a tratar el cáncer ".
Excepto por el cáncer de piel, el cáncer de seno es el cáncer más común en mujeres en los Estados Unidos. Si bien las muertes han disminuido, sigue siendo la segunda causa principal de muerte por cáncer entre las mujeres y la principal causa de muerte por cáncer entre las mujeres hispanas.
Según los Centros para el Control y la Prevención de Enfermedades de EE. UU., Se diagnostican aproximadamente 237,000 casos de cáncer de seno en mujeres de EE. UU. Y alrededor de 41,000 mueren a causa de la enfermedad cada año.
La clave para identificar y tratar el cáncer es conocer la naturaleza del tumor. Las células cancerosas que contienen receptores para el estrógeno y otras hormonas responden de manera diferente a los medicamentos contra el cáncer que atacan estos mecanismos. Mientras que los médicos usan estas características para clasificar tumores y seleccionar tratamientos, pruebaspara los marcadores es un proceso lento e ineficiente.
Por ejemplo, los ensayos pueden ser inconsistentes dependiendo del laboratorio que realiza las pruebas. También son caros, tardan semanas en realizarse y no están disponibles en muchos países en desarrollo.
"Si le diagnostican cáncer, pasarán unas semanas antes de que reciba una llamada del médico diciendo que han identificado un marcador", dijo Dan Ruderman, uno de los autores del estudio y profesor asistente de medicina de investigaciónen la Keck School of Medicine. "Con la tecnología de aprendizaje automático, podemos informarle el mismo día, por lo que hay menos retraso, menos estrés y resultados potencialmente mejores. Nos permitirá identificar el medicamento correcto y la dosis más rápidamente. Es ungran paso hacia la medicina personalizada "
Si bien el aprendizaje automático se ha utilizado antes para la detección del cáncer, el estudio de la USC adaptó la tecnología para centrarse más claramente en los marcadores reveladores del núcleo de una célula. La clave era extraer los parámetros que describen la forma de los núcleos y alimentarlos en una gran neuronalred que podría aprender las relaciones entre la forma del núcleo y los marcadores moleculares.
Los científicos utilizaron imágenes de histopatología teñidas con hematoxilina-eosina H&E disponibles al público. Los portaobjetos teñidos con células que los médicos han estado utilizando durante más de un siglo. Luego, determinaron el estado clínico de 113 pacientes con cáncer, luego los dividieron en dos grupos, utilizando un grupo para entrenar un algoritmo de red neuronal convolucional, que se utiliza para mejorar las imágenes visuales, y otro para probar la máquina. Cuando compararon los dos conjuntos, encontraron una fuerte correlación, lo que proporciona una gran confianza en que un algoritmo puede predecir el estrógenoestado del receptor del tumor.
"Podemos usar esta tecnología para identificar los marcadores moleculares del tumor y en el futuro identificaremos a qué terapéutica responderá el tumor. El aprendizaje automático nos ayuda a llevar esta información a los pacientes antes y puede transformar la atención del cáncer en el mundo en desarrollo dondela evaluación precisa de marcadores de cáncer de mama es escasa ", dijo Rishi Rawat, un estudiante graduado en la Escuela de Medicina Keck y primer autor del estudio.
Hasta ahora, los resultados de la investigación demuestran que la nueva tecnología tiene el potencial de mejorar la atención clínica. Se están realizando estudios de validación, un paso importante antes de que esté listo para su uso en el consultorio del médico
Los autores del estudio son Agus, Rawat y Ruderman del Instituto Lawrence J. Ellison de Medicina Transformativa de la USC; Paul Macklin, de Ingeniería de Sistemas Inteligentes de la Universidad de Indiana; y David L. Rimm, del Departamento de Patología de la Escuela de la Universidad de Yale.Medicamento.
La investigación fue apoyada por una subvención de la Breast Cancer Research Foundation BCRF-16-103.
Fuente de la historia :
Materiales proporcionado por Universidad del Sur de California . Original escrito por Gary Polakovic. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :