Jump to content
Forum Kopalni Wiedzy

Recommended Posts

Rak piersi jest jednym z najczęstszych nowotworów, a jego leczenie bywa długotrwałe i ma uciążliwe skutki uboczne. Chore często zażywają inhibitory aromatazy (środki hamujące wydzielanie estrogenu, hormonu który sprzyja rozwojowi tego rodzaju raka). Mają one jednak nieprzyjemne skutki w postaci przewlekłych dokuczliwych bóli stawów i mięśni, które dokuczają co drugiej kobiecie. Aż 20 procent chorych odczuwających ból przedwcześnie przerywa z tego powodu terapię i trudno się dziwić, bo trwa ona do pięciu lat, a powszechnie dostępne środki przeciwbólowe są zbyt słabe w tych przypadkach.

N. Lynn Henry, wykładowca na University of Michigan i naukowiec z uniwersyteckiego ośrodka Comprehensive Cancer Center proponuje dość proste rozwiązanie. Większości kobiet biorących inhibitory aromatazy znacząco pomaga popularny lek na depresję i zaburzenia lękowe: duloksetyna (znana też pod handlowymi nazwami: Cymbalta, Ariclaim, Xeristar i Yentreve).

Spośród 29 badanych pacjentek trzy czwarte uznało, że odczuwany ból osłabł przynajmniej o 30 procent. Po ośmiu tygodniach leczenia średni poziom redukcji bólu wyniósł aż 61 procent. Jedna piąta pacjentek zaprzestała brania duloksetyny z powodu jej skutków ubocznych. W pozostałych przypadkach efekty uboczne były łagodne lub umiarkowane. Stwarza to nadzieję na zwiększenie komfortu pacjentek, a w rezultacie na zwiększenie skuteczności leczenia nowotworu. Wyniki studium zaprezentowane zostały 11 grudnia na corocznym sympozjum (Breast Cancer Symposium) w San Antonio.

Duloksetyna w ostatnich badaniach wykazywała również skuteczność w leczeniu chronicznego bólu związanego z takimi chorobami układu kostno-stawowego jak: fibromialgia i choroba zwyrodnieniowa stawów. Nie jest jeszcze znany mechanizm jej działania, podejrzewa się związek z działaniem na centralny układ nerwowy. Następnym badaniem będzie szerzej zakrojona próba z użyciem placebo randomizowanej próby. Profesor Henry planuje także badania nad mechanizmem powodowania bólu przez inhibitory aromatazy, których wyniki mogłyby pomóc leczonym nimi chorym.

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
      Choroba zwyrodnieniowa stawów to najczęściej występujące schorzenie spośród wszystkich rodzajów zapaleń stawów. Obecnie diagnozuje się ją przede wszystkim na podstawie zdjęć rentgenowskich. Jednak naukowcy z Wydziału Medycyny University of Pittsburgh oraz Wydziału Inżynierii Carnegie Mellon University stworzyli algorytm sztucznej inteligencji, który diagnozuje to schorzenie wiele lat przed pojawieniem się objawów.
      Złotym standardem w diagnostyce choroby zwyrodnieniowej stawów jest zdjęcie rentgenowskie. Gdy stawy ulegają zniszczeniu, zmniejszają się odległości pomiędzy kośćmi. Problem w tym, że gdy możemy zauważ tę chorobę na zdjęciach, zniszczenia już się dokonały. Znacznie łatwiej jest zaś zapobiegać zniszczeniu tkanki chrzęstnej niż spowodować jej odrastanie, mówi jeden z autorów badań, profesor chirurgii ortopedycznej Kenneth Urish z Pittsburgha.
      Obecnie nie istnieje żadna metoda wykrywania choroby zwyrodnieniowej stawów na etapie, który pozwalałby na naprawienie powstałych szkód. W naszej pracy prezentujemy metodę, która pozwala na wykrycie choroby jeszcze zanim da ona objawy. Metoda ta łączy teorię optymalnego transportu masy ze statystycznym rozpoznawaniem wzorców, czytamy w pracy pod tytułem Enabling early detection of osteoarthritis from presymptomatic cartilage texture maps via transport-based learning.
      Gdy lekarze oglądają zdjęcia stawów, nie widać tam oczywistego wzorca, który od razu można zauważyć gołym okiem. Ale to nie znaczy, że taki wzorzec nie istnieje. To znaczy tylko, że nie można go dostrzec używając konwencjonalnych narzędzi, dodaje doktor Shinjini Kundu.
      To właśnie Kundu odpowiadał za trenowanie algorytmu na podstawie zdjęć kolan wykonanych za pomocą rezonansu magnetycznego, a następnie testował go na zdjęciach, pacjentów, z którymi model nie miał wcześniej do czynienia. Proces nauczania i testowania był powtarzany dziesiątki razy, za każdym razem na innej grupie osób.
      W końcu model poddano ostatecznemu testowi. Miał on do przeanalizowania zdjęcia stawów kolanowych 86 zdrowych osób, u których ani nie występowały objawy choroby zwyrodnieniowej stawów, ani nie było na zdjęciach widać zmian wskazujących na proces chorobowy. Okazało się, że algorytm z 78-procentową trafnością przewidział, u których pacjentów trzy lata później rozwinęła się choroba.
      Osiągnięcie to wskazuje, że wykrycie choroby zwyrodnieniowej stawów może być możliwe na etapie, gdzie można jej zapobiec. W przyszłości połączenie metody przedobjawowego wykrywania z nowymi terapiami pozwalającymi na jej zapobieganie może znacząco zmienić epidemiologię choroby, na walkę z którą którą amerykański system opieki zdrowotnej wydaje obecnie 16,5 miliarda dolarów rocznie. Co więcej, naszą technikę można zastosować do wcześniejszego wykrywania w badaniach obrazowych wielu innych chorób, które obecnie diagnozuje się w zaawansowanym stadium rozwoju.
      Przed tygodniem informowaliśmy o innym algorytmie, który równie dobrze jak radiolodzy potrafi diagnozować raka piersi.

      « 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
    • By KopalniaWiedzy.pl
      Brytyjscy naukowcy pracują nad nową metodą diagnozowania i oceny zaawansowania choroby zwyrodnieniowej kolan. Bazuje ona na analizie emisji akustycznej, dlatego niektórzy porównują ją do podsłuchiwania odgłosów z kolana.
      W studium, którego wyniki ukazały się w piśmie PLoS ONE, wzięło udział 89 osób. Akademicy podkreślają więc, że potrzebne są badania na większej próbie, które stworzą podstawy do testów klinicznych.
      Do badania zakwalifikowano osoby z bólem kolan, które w skali Kellgrena-Lawrence'a do oceny stopnia zaawansowania zmian radiologicznych w chorobie zwyrodnieniowej stawów uzyskiwały wynik w zakresie 1-4; 1 oznacza drobne osteofity, zaś przy 4 osteofity są bardzo duże, a szpara stawowa bardzo zwężona lub niewidoczna.
      Jak tłumaczą Brytyjczycy, do kolana przyczepia się czujnik emisji akustycznej, który wychwytuje impulsy energii akustycznej (ang. acoustic emission, AE) generowane podczas naprężeń i tarcia między elementami stawu (wykrywane są dźwięki o wysokiej częstotliwości). Oprócz tego na Joint Acoustic Analysis System (JAAS) składa się elektrogoniometr, który umożliwia badanie zakresów ruchu w funkcji czasu.
      Dane dot. zgięcia stawu kolanowego i emisji akustycznych zbierano jednocześnie dla obu kolan, zespół koncentrował się jednak na kolanie uznawanym przez ochotników za bardziej bolesne.
      Test składał się z 2 serii 5 wstawań i siadów. Badani mieli się poruszać tak płynnie, jak to tylko możliwe z wygodną dla siebie prędkością.
      Zebrane dane poddano analizie komputerowej. Generalnie celem naukowców było poszukiwanie potencjalnych biomarkerów AE.
      Naukowcy z Uniwersytetu w Lancaster współpracowali ze specjalistami z Uniwersytetu w Manchesterze, Uniwersytetu Kumbrii i Uniwersytetu Centralnego Lancashire. Ich badania wykazały, że za pomocą JAAS można odróżnić kolana zdrowe i ze zmianami zwyrodnieniowymi i że technika sprawdza się zarówno w warunkach szpitalnych, jak i w praktyce lekarza rodzinnego.
      Projekt rozpoczął się w 2013 r. i jest finansowany przez Komitet Badań Naukowych.
      Potencjalnie możemy doprowadzić do zmiany sposobu prowadzenia choroby zwyrodnieniowej stawów. Nasze badania pozwolą na lepszą diagnostykę i dostosowanie leczenia do stanu kolana danej osoby [...] - cieszy się emerytowany profesor John Goodacre z Uniwersytetu w Lancaster.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      W Centrum Chorób Piersi Uniwersyteckiego Centrum Klinicznego w Gdańsku powstała aplikacja, która pomaga w monitorowaniu stanu pacjentek z rakiem sutka. Oprócz tego zapewnia im aktualne informacje nt. tej choroby czy samego Centrum. Aplikacja jest dostępna za darmo w sklepie Google Play. Niedługo pojawi się również w App Store.
      Co istotne, jest ona jest źródłem podstawowej wiedzy na temat profilaktyki raka piersi, sposobów jego diagnozowania i leczenia, a także aspektów związanych między innymi z pomocą socjalną, dietetyką i seksualnością w chorobie.
      Twórcy ujawniają, że w aplikacji na bieżąco mają się pojawiać wiadomości związane z kwestiami organizacyjnymi, np. zmianą godzin przyjęć lekarza czy otwarciem nowej poradni. Z pewnością pomocna też będzie opcja "znajdź mammobus".
      Koordynatorka Centrum Chorób Piersi dr hab. n. med. Elżbieta Senkus-Konefka podkreśla, że najbardziej innowacyjnym elementem aplikacji jest moduł zgłaszania działań niepożądanych, czyli np. pogarszającego się samopoczucia.
      Pacjentki, które zainstalują aplikację w telefonie, codziennie wypełniają ankietę złożoną z kilkunastu pytań. W skali od 1 do 4 opisują m.in. swoje dolegliwości. Gdy zaznaczą 3, następuje automatyczne wysłanie e-maila do pielęgniarki pracującej z chorymi z rakiem piersi. Pielęgniarka kontaktuje się z pacjentką i w zależności od zdobytych informacji umawia ją z lekarzem albo doradza jakiś sposób postępowania.

      « powrót do artykułu
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...