Jump to content
Forum Kopalni Wiedzy

Recommended Posts

Od jakiegoś czasu badania wskazywały, że istnieje związek pomiędzy nocnym oświetleniem a zachorowalnością na nowotwory, winne są tu zarówno mocne żarówki, świecące w naszych mieszkaniach, jak i nocne oświetlenie miasta, zwane „zanieczyszczeniem świetlnym". Eksperymenty izraelskich naukowców z University of Haifa potwierdzają tę zależność. Osoby wyeksponowane na nocne oświetlenie znacznie częściej zapadają na raka prostaty (w przypadku mężczyzn) lub piersi (w przypadku kobiet).

Domniemanym mechanizmem wiążącym nocne światło z nowotworami są zakłócenia w produkcji melatoniny, hormonu wydzielanego przez szyszynkę podczas okresów braku światła. Melatonina reguluje sen, ale pełni także inne funkcje regulacyjne w naszym organizmie.

Eksperyment na myszach, przeprowadzony przez izraelskich naukowców miał zweryfikować hipotezę melatoninową. Doświadczalnym gryzoniom wszczepiono komórki nowotworowe i podzielono je na cztery grupy. Pierwsza była wystawiona na „długie dni" czyli 16 godzin światła na dobę i tylko 8 godzin ciemności; druga grupa miała takie same warunki, ale była „leczona" dawkami melatoniny. Trzecia grupa żyła w warunkach 8 godzin „dnia" i 16 godzin ciemności; czwarta grupa miała podobną dobę jak trzecia, ale podczas nocy przerywano jej sen półgodzinnym okresem oświetlenia.

U myszy mających krótki dzień rozwój nowotworu był najmniejszy, średni jego rozmiar po zakończeniu badań wynosił 0,85 cm sześciennego. U gryzoni, którym długa noc przerywano światłem rozmiar nowotworu wynosił średnio 1,84 cm sześc., zaś u myszy ze sztucznie przedłużonym dniem nowotwór rósł aż 5,92 cm sześc., co dowodzi powiązania tempa rozwoju nowotworu z przedłużoną ekspozycją na światło. O tym, że za mechanizm tego powiązania odpowiada melatonina, świadczy wynik dla myszy wystawionych na 16 godzin sztucznego dnia, ale leczonych dawkami melatoniny: rozwój nowotworu w ich przypadku wynosił 0,62 cm sześc., czyli podobnie (a nawet nieco mniej) niż u myszy mających krótkie dnie i spokojne noce. Również ilość zgonów w przypadku myszy leczonych hormonem była niższa, niż w pozostałych grupach.

Nocne oświetlenie i sztucznie przedłużony dzień zakłóca nasz biologiczny zegar i produkcję hormonów - podsumowują wyniki autorzy badań. Nie jest jednak dokładnie znany mechanizm wiążący melatoninę z rozwojem komórek nowotworowych.

Autorami studium są prof. Abraham Haim oraz współpracownicy: Fuad Fares, Adina Yokler, Orna Harel, Hagit Schwimmer.

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this  

  • Similar Content

    • By KopalniaWiedzy.pl
      Naukowcy z Karolinska Institutet zidentyfikowali proteinę, która chroni przed rozwojem raka piersi i jest powiązana z lepszymi prognozami u pacjentek cierpiących na tę chorobę. Odkrycie może pozwolić na rozwój nowych terapii dla trudnych w leczeniu odmian raka piersi.
      Na raka piersi zapada w którymś momencie życia aż 10% kobiet. W przypadku odmiany raka bez receptorów estrogenowych (ER-) istnieje mniej opcji leczenia, gdyż nie można tutaj zastosować terapii hormonalnej. Szczególnie trudny w leczeniu jest zaś rak potrójnie ujemny. W tym przypadku komórkom nowotworowym brakuje nie tylko receptora estrogenowego, ale również receptora progesteronowego i HER2.
      Profesor Per Uhlén i jego zespół zidentyfikowali nieznany dotychczas mechanizm, za pomocą którego proteina GIT1 reguluje szlak sygnałowy Notch, wpływając w ten sposób na pojawienie się i rozwój raków piersi ER-. To konserwatywny ewolucyjnie międzykomórkowy szlak sygnałowy, który odgrywa olbrzymią rolę w różnicowaniu komórek oraz ich dalszych losach. Już wcześniej wykazano, że u pacjentek z nowotworem piersi nadmiernie aktywny Notch powiązany jest z gorszą prognozą.
      Naukowcy ze Szwecji wykazali właśnie, że wysoki poziom GIT1 blokuje szlak Notch i chroni przed wzrostem guzów nowotworowych, a niski poziom GIT1 jest związany z rozwojem guza. Pacjentki z rakiem typu ER- mają mniejszy poziom GIT1 niż kobiety cierpiące na raka piersi ER+. Szwedzi wykazali też, że u pacjentek z rakiem ER- prognozy są lepsze w grupie z wyższym poziomem GIT1. Uzyskane przez nas wyniki dostarczają ważnych informacji na temat mechanizmu kontrolującego pojawienie się i wzrost guzów nowotworowych. Mamy nadzieję, że odkrycia te pozwolą na opracowanie nowych metod leczenia nowotworów piersi, mówi profesor Uhlén.
      Ze szczegółami badań można zapoznać się w artykule GIT1 protects against breast cancer growth through negative regulation of Notch, opublikowanym na łamach Nature Communications.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Hormony z grupy androgenów mogą wpływać na rozwój raka prostaty. Dlatego też w leczeniu tej choroby stosuje się metody zmniejszenia produkcji androgenów metodami operacyjnymi (kastracja) lub farmakologicznymi (leczenie hormonalne). Nowotwór może jednak zyskać oporność na terapie hormonalne. Jak się okazuje, mogą być za to odpowiedzialne bakterie mikrobiomu.
      Naukowcy z londyńskiego Institute of Cancer Research oraz Institute of Oncology Research w Bellizonie i ETH Zurich wykorzystali myszy oraz próbki pobrane od ludzi do zbadania roli żyjących w jelitach mikroorganizmów w rozwoju raka prostaty. Gdy u myszy cierpiących na nowotwór prostaty usunięto cały mikrobiom, okazało się, że choroba postępuje wolniej, a oporność na terapie hormonalne pojawia się później. Naukowcy odkryli też, że gdy myszy o niskim poziomie androgenu, u której nie rozwinęła się jeszcze odporność na leczenie hormonalne, przeszczepi się kał od myszy z odpornym na terapie rakiem prostaty, dochodzi do przyspieszenia postępów choroby.
      Bliższa analiza wykazała, że u pacjentów z opornym na kastrację rakiem gruczołu krokowego dochodzi do wzbogacenia bakterii komensalnych – a zatem bakterii chroniących nas przed patogenami – o gatunki zdolne do przekształcania prekursorów androgenów w aktywne androgeny. Hormony te trafiają następnie do układu krążenia i, jak się wydaje, wspomagają rozwój nowotworu i pojawienie się oporności na leczenie
      Nasze badania wykazały, że po zapoczątkowaniu hormonalnego leczenia raka prostaty „dobre mikroorganizmy” mogą prowadzić do zwiększenia produkcji androgenów. Z kolei androgeny mogą podtrzymywać rozwój guza i prowadzić do pojawienia się oporności na leczenie, mówi profesor Johann de Bono z Londynu. To pierwsze badania, które ujawniły istnienie mechanizmu, za pomocą którego mikrobiom jelit może napędzać rozwój nowotworu prostaty i pojawienie się oporności na terapie polegające na zmniejszeniu ilości androgenów, dodaje Kristian Helin, dyrektor Institute of Cancer Research.
      Dzięki zrozumieniu, jak pożyteczne bakterie, które odgrywają ważną rolę w utrzymaniu nas w dobrym zdrowiu, mogą wpływać na metabolizm hormonów u mężczyzn cierpiących na raka prostaty, możemy opracować nowe strategie leczenia raka prostaty. Być może do skutecznej walki z tą chorobą konieczne okaże się odpowiednie manipulowanie składem mikrobiomu.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Rak prostaty to obecnie jeden z dwóch najczęściej rozpoznawanych nowotworów złośliwych u mężczyzn. Zapadalność na raka gruczołu krokowego rośnie z wiekiem. To poważna choroba, jednak wcześnie wykryta jest uleczalna. Szybka, właściwa diagnostyka pozwala odpowiednio dobrać terapię i zwiększyć szansę pacjenta na przeżycie.
      Najdokładniej zmiany nowotworowe powala zobrazować rezonans magnetyczny (MRI). Niestety, badanie raka prostaty za pomocą tej metody jest skomplikowane. Niezbędne jest badanie wielu cech nowotworu, co utrudnia i znacznie wydłuża interpretację wyniku. Każdy otrzymany obraz musi być przeanalizowany osobno. Diagnostyka ta jest skomplikowana i trudniejsza niż w przypadku większości nowotworów złośliwych. Otrzymane wyniki są oceniane według skali PI-RADS (Prostate Imaging-Reporting and Data System), która umożliwia rozróżnienie zmian istotnych klinicznie. Analiza ta wymaga specjalistycznej wiedzy radiologów, którzy stanowią w Polsce zaledwie ok. 2 proc. lekarzy, co dodatkowo wydłuża czas oczekiwania na badanie i właściwą diagnozę. Interpretacja wyników jest subiektywna i zauważalne są różnice pomiędzy specjalistami doświadczonymi a początkującymi. Badania wykazały, że radiolodzy różnie interpretują, czy potencjalna zmiana nowotworowa jest inwazyjna.
      W Ośrodku Przetwarzania Informacji – Państwowym Instytucie Badawczym (OPI PIB) prowadzimy interdyscyplinarne badania, których wyniki mają praktyczne zastosowanie w wielu dziedzinach. Jednym z obszarów jest wykorzystanie najnowszych technologii IT w medycynie i ochronie zdrowia. Z naszych badań wynika, że sztuczna inteligencja może skutecznie usprawnić pracę lekarzy. Rezultaty są bardzo obiecujące i jestem przekonany, że także pomogą one innym naukowcom opracować nowoczesne narzędzia technologiczne, mające zastosowanie w diagnostyce nie tylko raka prostaty, ale także i innych chorób – mówi dr inż. Jarosław Protasiewicz, dyrektor Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI PIB).
      Ograniczenie liczby bolesnych biopsji
      Naukowcy z Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB opracowali platformę badawczą eRADS, która służy do standaryzacji opisów raportów medycznych. Narzędzie to pozwala obiektywnie ocenić istotność kliniczną zmiany na podstawie pięciostopniowej skali PI-RADS. Platforma umożliwia także zbieranie danych z badań, co w przyszłości pomoże stworzyć rozwiązania, które automatycznie będą szacowały cechy istotne klinicznie. W tym przypadku sztuczną inteligencję zastosowano do wspomagania procesów decyzyjnych.
      Badacze OPI PIB przeprowadzili badania pilotażowe z udziałem 16 pacjentów, diagnozowanych przez dwóch radiologów podczas ich dyżuru w Centralnym Szpitalu Klinicznym MSWiA w Warszawie. Specjaliści ci różnili się stażem pracy w zawodzie. Ich celem była ocena rzetelności oraz wstępnej użyteczności klinicznej systemu eRADS. Wyniki badania pilotażowego są obiecujące. Oceny istotności klinicznej zmiany przez radiologów z wykorzystaniem narzędzia opracowanego przez naukowców OPI PIB są bardziej zgodne, niż gdy dokonują oni analizy bez użycia platformy. Zastosowanie eRADS pomaga zmniejszyć różnice między jakością diagnozy lekarzy doświadczonych i niedoświadczonych. Precyzyjna ocena zmian pozwoli znacznie ograniczyć liczbę pacjentów, którzy są wysyłani na biopsję. W przypadku badania prostaty wiąże się ona z dyskomfortem pacjenta. Polega na pobraniu materiału z kilku do kilkunastu wkłuć.
      Sieci neuronowe zastąpią lekarzy?
      W naszym laboratorium badaliśmy także wykorzystanie w diagnostyce raka prostaty innych obszarów sztucznej inteligencji. Analizowaliśmy zastosowanie narzędzi wykorzystujących uczenie maszynowe i głębokie. Naszym celem było porównanie otrzymanych wyników z diagnozami postawionymi przez doświadczonych i niedoświadczonych radiologów. Model predykcyjny istotności klinicznej zmian, oparty o narzędzia uczenia maszynowego, bazował na cechach obrazu (np. jednorodności) w badanych komórkach i ich otoczeniu. Uzyskaliśmy model trafnie klasyfikujący istotne klinicznie zmiany z prawdopodobieństwem 75 proc., co można porównać do diagnozy niedoświadczonego lekarza. Najbardziej obiecujące rezultaty otrzymaliśmy jednak z zastosowania wiedzy domenowej w architekturze sieci neuronowych. Opracowane modele dają lepszą jakość diagnozy zmian nowotworowych w porównaniu z ocenami niedoświadczonych i doświadczonych radiologów, stawiając trafną diagnozę z prawdopodobieństwem 84 proc. – mówi Piotr Sobecki, kierownik Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB.
      Podsumowując, zastosowanie wiedzy domenowej w architekturze sieci neuronowych wpływa na szybkość uczenia modelu w przypadku diagnostyki raka prostaty. Analizowano efekt lokalizacji zmiany w prostacie i niezależnie od tego czynnika, wyniki otrzymane za pomocą modeli wykorzystujących sieci neuronowe były takie same lub lepsze od diagnozy postawionej przez doświadczonych radiologów. Potwierdziły to wyniki badania OPI PIB z użyciem danych historycznych od 6 radiologów oceniających 32 zmiany nowotworowe.
      Sztuczna inteligencja wykorzystująca uczenie głębokie nie zastąpi jednak lekarzy, ale ułatwi im pracę i przyspieszy rozpoczęcie leczenia pacjenta. Wciąż jednak mało jest otwartych zbiorów baz danych, które można wykorzystać do usprawnienia algorytmów sztucznej inteligencji. Należy pamiętać, że modele te są tak dobre, jak dane, na których zostały wyuczone. Chodzi zarówno o ich liczebność, jak i o jakość.
      1) W Polsce z powodu raka prostaty codziennie umiera około 15 pacjentów, a choroba ta jest diagnozowana u co 8. mężczyzny
      2) Ważne jest szybkie wykrycie choroby i podjęcie odpowiedniego leczenia.
      3) Niestety, diagnostyka raka prostaty jest skomplikowana i trudna w porównaniu do metod wykrywania innych nowotworów.
      4) Badacze z Laboratorium Stosowanej Sztucznej Inteligencji w Ośrodku Przetwarzania Informacji – Państwowym Instytucie Badawczym (OPI PIB) wykorzystali sztuczną inteligencję (SI) do usprawnienia diagnostyki obrazowej raka prostaty.
      5) Najlepsze rezultaty uzyskali z zastosowaniem sieci neuronowych. Jakość otrzymanej diagnozy była na poziomie doświadczonego lekarza specjalisty lub wyższa.
       


      « powrót do artykułu
    • By KopalniaWiedzy.pl
      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
    • By KopalniaWiedzy.pl
      Marcin Sieniek, Scott Mayer McKinney, Shravya Shetty i inni badacze z Google Health opublikowali na łamach Nature artykuł, w którym dowodzą, że opracowany przez nich algorytm sztucznej inteligencji lepiej wykrywa raka piersi niż lekarze.
      Nowotwory piersi, pomimo szeroko zakrojonych programów badań, wciąż pozostają drugą głównych przyczyn zgonów na nowotwory wśród kobiet. Każdego roku na całym świecie wykonuje się dziesiątki milionów badań obrazowych, ale problemem wciąż pozostaje zbyt wysoki odsetek diagnoz fałszywych pozytywnych i fałszywych negatywnych. To z jednej strony naraża zdrowe osoby na stres i szkodliwe leczenie, a z drugiej – w przypadku osób chorych – opóźnia podjęcie leczenia, co często niesie ze sobą tragiczne skutki.
      Umiejętności lekarzy w zakresie interpretacji badań obrazowych znacznie się od siebie różnią i nawet w wiodących ośrodkach medycznych istnieje spore pole do poprawy. Z problemem tym mogłyby poradzić sobie algorytmy sztucznej inteligencji, które już wcześniej wielokrotnie wykazywały swoją przewagę nad lekarzami.
      Wspomniany algorytm wykorzystuje techniki głębokiego uczenia się. Najpierw go trenowano, a następnie poddano testom na nowym zestawie danych, których nie wykorzystywano podczas treningu.
      W testach wykorzystano dane dotyczące dwóch grup pacjentek. Jedna z nich to mieszkanki Wielkiej Brytanii, które w latach 2012–2015 poddały się badaniom mammograficznym w jednym z dwóch centrów medycznych. Kobiety co trzy lata przechodziły badania mammograficzne. Do badań wylosowano 10% z nich. Naukowcy mieli więc tutaj do dyspozycji dane o 25 856 pacjentkach. Było wśród nich 785, które poddano biopsji i 414 u których zdiagnozowano nowotwór w ciągu 39 miesięcy od pierwszego badania.
      Drugą grupę stanowiło 3097 Amerykanek będących w latach 2001–2018 pacjentkami jednego z akademickich centrów medycznych. U 1511 z nich wykonano biopsje, a u 686 zdiagnozowano nowotwór w ciągu 27 miesięcy od badania.
      Losy wszystkich kobiet były śledzone przez wiele lat, zatem wiadomo było, które z pań ostatecznie zachorowały.
      Zadaniem sztucznej inteligencji było postawienie diagnoz na podstawie mammografii. Następnie wyniki uzyskane przez SI porównano z diagnozami lekarskimi. Okazało się, że sztuczna inteligencja radziła sobie znacznie lepiej. Liczba fałszywych pozytywnych diagnoz postawionych przez SI była o 5,7% niższa dla pacjentek z USA i o 1,2% niższa u pacjentek z Wielkiej Brytanii. SI postawiła też mniej fałszywych negatywnych diagnoz. Dla USA było to 9,4% mniej, a dla Wielkiej Brytanii – 2,7% mniej. Wyniki uzyskane przez sztuczną inteligencję były o tyle bardziej imponujące, że algorytm diagnozował wyłącznie na podstawie badań mammograficznych, podczas gdy lekarze mieli też do dyspozycji historię pacjenta.
      Teraz autorzy algorytmu będą próbowali wykorzystać go podczas badań klinicznych. Ich celem jest spowodowanie, by algorytm sztucznej inteligencji został dopuszczony do użycia w medycynie.

      « powrót do artykułu
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...