Znajdź zawartość

Międzynarodowy zespół naukowców, w którym biorą udział uczeni z Narodowego Centrum Badań Jądrowych w Świerku, zaproponował wykorzystanie nowego związku chemicznego do obrazowania nowotworów prostaty i piersi. [99mTc]Tc-DB15 składa się ze stosowanego w diagnostyce radioaktywnego izomeru technetu Tc-99m, związanego z antagonistą (czyli substancją blokującą receptor) receptora GRPR występującego w komórkach niektórych rodzajów nowotworów. Użycie związku [99mTc]Tc-DB15 pozwala na wykrycie nowotworu dzięki zastosowaniu Tc-99m, który podczas rozpadu emituje fotony o energiach w zakresie gamma. Fotony te są następnie rejestrowane w tomografie SPECT. Urządzenie to, podobnie do PET, obserwuje fotony pochodzące z rozpadu Tc-99m i po opracowaniu specjalnym algorytmem generuje trójwymiarowy obraz pacjenta z wyraźnie widocznymi miejscami emisji fotonów pochodzących z rozpadu radioizotopu. Technet-99m, przyłączony do antagonisty receptora, kumuluje się w komórkach o zwiększonej gęstości GRPR, czyli w komórkach rakowych. W efekcie pozwala to na zlokalizowanie i określenie aktywności komórek nowotworowych. Antagoniści receptorów komórkowych zastosowani w diagnostyce mogą też potencjalnie być wykorzystani w teranostyce, czyli terapii połączonej z diagnostyką, wykorzystując promieniowanie jonizujące w celu zabicia komórek nowotworu. Wstępne badania nad nowym znacznikiem, przeprowadzone in vitro na komórkach raka piersi oraz raka prostaty pokazały, że komórki rakowe dobrze gromadzą znacznik. Dalsze badania, in vivo, przeprowadzono u myszy z wszczepionymi komórkami raka prostaty i piersi, wykazującymi obecność GRPR. Wykazano, że po podaniu preparat w krótkim czasie skupia się w komórkach nowotworowych. Po potwierdzeniu bezpieczeństwa stosowania badanego leku poddano tej metodzie obrazowania dwie pacjentki chorujące na nowotwór raka piersi, którego komórki posiadały receptory GRPR. Badania przeprowadzono na podstawie protokołu badawczego zatwierdzonego przez Komisję Bioetyczną Uniwersytetu Medycznego im. Karola Marcinkowskiego w Poznaniu. Pacjentki wyraziły świadomą zgodę na udział w badaniach. Współczesna medycyna wykorzystuje już bardzo podobne strategie, do zaproponowanej przez nas, jak choćby leczenie nowotworów piersi, posiadających receptory HER2 – wyjaśnia profesor Renata Mikołajczak, współautorka badań. Nowa procedura, oparta o wykorzystanie związków antagonistycznych do receptorów GRPR, byłaby kolejną spersonalizowaną metodą w leczeniu konkretnego typu komórek rakowych, a zwiększanie liczby technik pozwala na precyzyjne i skuteczne leczenie różnych rodzajów nowotworów. « powrót do artykułu

Porównanie trzech komercyjnych systemów sztucznej inteligencji wykorzystywanej w diagnostyce obrazowej raka piersi wykazało, że najlepszy z nich sprawuje się równie dobrze jak lekarz-radiolog. Algorytmy badano za pomocą niemal 9000 obrazów z aparatów mammograficznych, które zgromadzono w czasie rutynowych badań przesiewowych w Szwecji. Badania przesiewowe obejmujące dużą część populacji znacząco zmniejszają umieralność na nowotwory piersi, gdyż pozwalają na wyłapanie wielu przypadków na wczesnym etapie rozwoju choroby. W wielu takich przedsięwzięciach każde zdjęcie jest niezależnie oceniane przez dwóch radiologów, co zwiększa skuteczność całego programu. To jednak metoda kosztowna, długotrwała, wymagająca odpowiednich zasobów. Tutaj mogłyby pomóc systemy SI, o ile będą dobrze sobie radziły z tym zadaniem. Chcieliśmy sprawdzić, na ile dobre są algorytmy SI w rozpoznawaniu obrazów mammograficznych. Pracuję w wydziale radiologii piersi i słyszałem o wielu firmach oferujących takie algorytmy. Jednak trudno było orzec, jaka jest ich jakość, mówi Fridrik Strand z Karolinska Institutet. Każdy z badanych algorytmów to odmiana sieci neuronowej. Każdy miał do przeanalizowania zdjęcia piersi 739 kobiet, u których w czasie krótszym niż 12 miesięcy od pierwotnego badania wykryto raka piersi oraz zdjęcia 8066 kobiet, u których w czasie 24 miesięcy od pierwotnego badania nie wykryto raka piersi. Każdy z algorytmów miał ocenić zdjęcie w skali od 0 do 1, gdzie 1 oznaczało pewność, iż na zdjęciu widać nieprawidłową tkankę. Trzy systemy, oznaczone jako AI-1, AI-2 oraz AI-3 osiągnęły czułość rzędu 81,9%, 67,0% oraz 67,4%. Dla porównania, czułość w przypadku radiologów jako pierwszych interpretujących dany obraz wynosiła 77,4%, a w przypadku radiologów, którzy jako drudzy dokonywali opisu było to 80,1%. Najlepszy z algorytmów potrafił wykryć też przypadki, które radiolodzy przeoczyli przy badaniach przesiewowych, a kobiety zostały w czasie krótszym niż rok zdiagnozowane jako chore. Badania te dowodzą, że algorytmy sztucznej inteligencji pomagają skorygować fałszywe negatywne diagnozy postawione przez lekarzy-radiologów. Połączenie możliwości AI-1 z przeciętnym lekarzem-radiologiem zwiększało liczbę wykrytych nowotworów piersi o 8%. Zespół z Karolinska Institutet spodziewa się, że jakość algorytmów SI będzie rosła. Nie wiem, jak efektywne mogą się stać, ale wiem, że istnieje kilka sposobów, by je udoskonalić. Jednym z nich może być np. ocenianie wszystkich 4 zdjęć jako całości, by można było porównać obrazy z obu piersi. Inny sposób to porównanie nowych zdjęć z tymi, wykonanymi wcześniej, by wyłapać zmiany, mówi Strand. Pełny opis eksperymentu opublikowano na łamach JAMA Oncology. « powrót do artykułu