Investigadores de la Case Western Reserve University han descubierto cómo predecir con rapidez y precisión qué pacientes con cáncer de pulmón se beneficiarán de la quimioterapia mediante el análisis de cómo se organizan las células inmunitarias que el cuerpo envía para combatir la enfermedad.
Los científicos, con la ayuda de computadoras de imágenes inteligentes y métodos de aprendizaje automático, pudieron analizar rápidamente cientos de imágenes de tejidos para no solo contar las células inmunes asociadas con el cáncer, sino también identificar patrones en cómo se organizaron.
Esa visión innovadora ahora puede ayudar a determinar qué pacientes necesitan quimioterapia o inmunoterapia en función del análisis computacional de imágenes de diapositivas de tejido de rutina obtenidas mediante cirugía o biopsia, dijo Anant Madabhushi, profesor II de ingeniería biomédica de F. Alex Nason en la Case Schoolde Ingeniería.
"Creemos que hemos logrado un avance crítico en el campo con este trabajo", dijo Madabhushi, líder entre una docena de autores en un artículo reciente sobre el trabajo en la revista Clinical Cancer Research. "¿Necesita quimioterapia o no?? - ese es el beneficio directo para el paciente y lo que realmente importa ".
Si bien esta investigación publicada se centró en el tejido del cáncer de pulmón en etapa temprana, un análisis adicional también predijo el éxito de la inmunoterapia en el cáncer de pulmón en etapa tardía, dijo Madabhushi.
"Es por eso que estoy muy emocionado con esto: es una validación de lo que llamamos la 'arquitectura espacial' de las células inmunes como predictiva del éxito del tratamiento para el cáncer de pulmón", dijo.
portaobjetos de tejido simple, análisis de cáncer complejo
Los oncólogos y patólogos toman de forma rutinaria una muestra de tejido de células cancerosas y luego capturan una imagen de ese tejido. Pero el advenimiento de los algoritmos de aprendizaje profundo y de aprendizaje automático ha permitido a los investigadores encontrar patrones entre las células que de otro modo serían casi imposibles parael ojo humano para detectar. La mayoría de las veces, eso significa analizar las células cancerosas por sí mismas, o con un éxito limitado, contar los glóbulos blancos, llamados linfocitos que infiltran el tumor, que el cuerpo envía para combatir el cáncer.
"Uno de los grandes problemas es que el cáncer generalmente enmascara la respuesta inmune, por lo que, para el cuerpo, el cáncer no se presenta como un invasor extraño", dijo Madabhushi. "Pero evoca.
Por esa razón, los patólogos han intentado durante los últimos 10 a 15 años comprender mejor cómo esa respuesta inmune podría correlacionarse con cómo se propagaría el cáncer o cómo respondería el paciente a ciertas terapias, o si el paciente incluso necesita laquimioterapia invasiva y dolorosa administrada de forma rutinaria a prácticamente todas las víctimas de cáncer.
"Pero hacer eso manualmente es engorroso, porque hay cientos de miles de linfocitos y es difícil determinar un patrón", dijo Madabhushi. "Nuestro grupo ha encontrado una manera de entrenar la máquina para encontrar los linfocitos y descifrar su disposición, su arquitectura espacial y predecir el resultado de la enfermedad ".
Madabhushi se unió a los colegas de Case Western Reserve Xiangxue Wang, Yu Zhou y Cheng Lu de su Centro de Diagnóstico por Imágenes Computacionales y Personalizado y Pingfu Fu del Departamento de Población y Ciencias de la Salud Cualitativa.
Otros socios académicos fueron: Germán Corredor y Eduardo Romero, de la Universidad Nacional de Colombia; Konstantinos Syrigos, de la Universidad de Atenas; David Rimm y Kurt Schalper, de la Facultad de Medicina de la Universidad de Yale; patólogo Michael Yang, de Hospitales UniversitariosCleveland Medical Center; y el oncólogo torácico Vamsidhar Velcheti, del Perlmutter Cancer Center en NYU Langone Medical Center.
Desde 2016, Madabhushi y su equipo han recibido más de $ 9.5 millones del Instituto Nacional del Cáncer para desarrollar herramientas computacionales para el análisis de imágenes de patología digital de cánceres de mama, pulmón y cabeza y cuello para identificar qué pacientes con estas enfermedades podrían evitar la radioterapia agresivao quimioterapia.
Fuente de la historia :
Materiales proporcionado por Universidad Case Western Reserve . Nota: el contenido se puede editar por estilo y longitud.
cite esta página :