Jump to content
Forum Kopalni Wiedzy
Sign in to follow this  
KopalniaWiedzy.pl

Projekt wykorzystania nanomateriałów w leczeniu nowotworów piersi

Recommended Posts

Naukowcy z Politechniki Wrocławskiej wraz z młodym uczonym z Indii pracują nad unikatową metodą leczenia i diagnostyki raka piersi przy wykorzystaniu nanomateriałów. Metoda ma pomóc w leczeniu lekoopornych nowotworów.

Projekt jest realizowany przez zespół naukowy pod kierownictwem dr inż. Joanny Bauer z Wydziału Podstawowych Problemów Techniki Politechnik Wrocławskiej. W badaniach, które są finansowane z unijnego programu Horyzont 2020, bierze udział młody naukowiec z Indii dr Nanasaheb Thorat.

Efektem projektu o akronimie NANOCARGO ma być opracowanie nowatorskiej metody leczenia i diagnostyki raka piersi przy wykorzystaniu wielofunkcyjnych nanomateriałów. To metoda zaliczana do tzw. teranostyki, czyli nowatorskie podejście łączące metody terapeutyczne z jednoczesną diagnostyką - powiedziała w rozmowie z PAP dr Bauer.

Badania w ramach tego projektu prowadzone są na Politechnice Wrocławskiej od października. Przez półtora roku naukowcy będą pracować we Wrocławia, a ostanie sześć miesięcy - w klinice weterynaryjnej Vetsuisse Faculty Zurich Hospital na Uniwersytecie w Zurychu. Tam będziemy prowadzić ostateczne testy in vivo potwierdzające skuteczność naszej metody na chorych psach, gdyż biologicznie nowotwór piersi u kobiet jest najbardziej zbliżony do tych występujących u psów. Do Zurychu w zasadzie przywieziemy gotową technologię - powiedziała dr Bauer.

Kluczowym elementem nowatorskiej metody są wielofunkcyjne kompozytowe nanonośniki. Wykorzystywane w niej nanomateriały to bardzo małe elementy - np. wirusy mają rozmiar około 100 nanometrów. Wrocławscy naukowcy chcą wykorzystać jeszcze mniejsze cząsteczki, które pod wpływem pola magnetycznego oraz stymulacji optycznej będą niszczyć komórki nowotworowe.

Te cząsteczki będą trafiać bezpośrednio do nowotworów dzięki temu, że dodamy do nich tzw. aptamery, czyli wyspecjalizowane biologiczne detektory. To spowoduje, że nanomateriał precyzyjnie znajdzie komórki nowotworowe - powiedziała dr Bauer. Dodała, że nanonośniki zostaną również zaopatrzone w celowany chemioterapeutyk. Lek dzięki temu trafi bezpośrednio do nowotworu - wyjaśniła.

Otrzymamy nanonośniki nie tylko dedykowane do określonego typu nowotworu, ale także zaopatrzone w chemioterapeutyk oraz substancje aktywne, które pod wpływem stymulacji magnetycznej i optycznej zniszczą komórki nowotworowe. Możemy więc mówić tutaj o kombajnie trzech metod leczenia nowotworów - powiedziała.

Dr Bauer dodała, że wstępne badania prowadzone na komórkach raka jelita grubego pokazały, że zastosowanie nanomateriałów do przenoszenia chemioterapeutyków zwiększa ich skuteczność o kilkadziesiąt procent.


« powrót do artykułu

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
      Zespół dr. inż. Łukasza Frącczaka z Politechniki Łódzkiej pracuje nad innowacyjnym endoskopem o wydłużonym zasięgu, który pomoże w szybkim i skutecznym leczeniu układu pokarmowego.
      Cały pomysł w zasadzie wziął się od lekarzy chirurgów, którzy mają problem ze zdiagnozowaniem pacjentów, zwłaszcza w dalszej części układu pokarmowego. Wiadomo, w polskich warunkach zlecanie kolejnych badań i ich przeprowadzenie to jest odwlekanie o kolejne miesiące, natomiast pacjent cały czas pozostaje chory bez zdiagnozowanej choroby, dlatego też takie urządzenie już przy pierwszym badaniu kolonoskopowym umożliwiłoby znacznie szerszą diagnostykę. Zatem cały okres leczenia [...] znacznie by się skrócił - mówi Frącczak.
      Jak dodaje dr Katarzyna Koter, na razie robot mierzy 85 cm. Planowane jest zbudowanie prototypu o długości 1,5 i do 2 m. Docelowo chcielibyśmy, aby taki robot miał 4 m długości, czyli umożliwiał przebadanie zarówno jelita grubego, jak i wejście do fragmentu jelita cienkiego.
      Naukowcy musieli zmierzyć się z wyzwaniami, związanymi ze specyficznym środowiskiem jelit. Jak dowiadujemy się z opublikowanego przez uczelnię filmiku, opatentowali nawet sztuczne mięśnie - napęd, który imituje ruchy glisty ludzkiej.
      Uczeni podkreślają, że pod względem robotyki układ pokarmowy człowieka jest bardzo trudnym środowiskiem. [...] Ma bardzo niski współczynnik tarcia i jest bardzo ciasny w środku. Poza tym układ pokarmowy jest wrażliwy na bodźce zewnętrzne. Do tej pory lekarze poprzez badanie kolonoskopowe mogli zbadać tylko i wyłącznie okrężnicę i niewielki odcinek jelita krętego.
      Doktor Koter wyjaśnia, że ze względu na ruch wężopodobny robot powinien być mniej inwazyjny w porównaniu do tradycyjnej kolonoskopii. Nie powinien wywierać dużych sił na ścianki jelita. Zmniejszałoby to ryzyko uszkodzenia jelita oraz bolesność badania. Obecnie robot ma średnicę 15-16 mm, jeśli jednak chcemy efektywnie zbadać jelito cienkie, trzeba będzie ten wymiar jeszcze zmniejszyć. Wyposażenie takiego robota w narzędzia i w kanał roboczy pozwoli nam, na przykład, na pobieranie próbek do późniejszych badań.
      Wg Frącczaka, zbudowanie robota o strukturze wężopodobnej na mięśniach pneumatycznych jest dość nowym odkryciem. Tutaj akurat mamy [...] dwa zgłoszenia patentowe. Składamy dwa roboty. Jeden jest zbudowany w oparciu o mięśnie McKibbena. Druga konstrukcja robota jest zbudowana w oparciu o mięśnie poprzeczne. Na ten wynalazek mamy już przyznany patent i wykorzystujemy to dalej w budowie [...].
      Na wprowadzenie robota do praktyki klinicznej musimy jeszcze poczekać. Na dzień dzisiejszy opracowaliśmy [bowiem] tylko i wyłącznie sam napęd takiego endoskopu. Przetestowaliśmy go w warunkach zbliżonych do tych, w których będzie pracował. Mamy już stworzony demonstrator technologii, że takie urządzenie potrafi wchodzić do ciała pacjenta i może być stosowane w medycynie. Natomiast do końcowego produktu... No tutaj jeszcze kilka lat pracy będzie trzeba w to włożyć - podsumowuje Frącczak.
       


      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Badając znamiona barwnikowe na skórze pod kątem ryzyka zachorowania na nowotwór, dermatolodzy najczęściej dokonują oceny przy użyciu dermatoskopu, urządzenia z wbudowanym podświetleniem powiększającego zmienione miejsce. Zwracają szczególną uwagę na asymetrię nacieku, różnice w zabarwieniu czy nierówność brzegów, starają się także obserwować jego głębsze struktury. Działanie to jest o tyle ważne, że prawdopodobieństwo wyleczenia nowotworu skóry zależy od grubości guza. Jeśli nie przekracza ona 1 mm, wówczas chirurgiczne usunięcie zmiany daje szansę nawet na całkowite wyleczenie pacjenta. Użycie dermatoskopu nie pozwala jednak dokładnie zmierzyć owej grubości i wewnętrznej struktury nacieku. Interesujące rozwiązanie tego problemu zaproponowali naukowcy z Uniwersytetu Śląskiego oraz Śląskiego Uniwersytetu Medycznego. Wspólnie zaprojektowali specjalny klips wspomagający diagnostykę nowotworów skóry, w tym czerniaka złośliwego.
      Urządzenie przypomina zwykłą klamerkę do bielizny. Łapiemy fałd skóry w miejscu, w którym znajduje się znamię. Wyemitowana wiązka światła jest kierowana do licznych odbiorników zlokalizowanych w jednym z ramion klipsa. To z kolei pozwala określić grubość zmiany i inne jej parametry oraz decydować o podjęciu leczenia lub dalszej obserwacji – mówi dr hab. inż. Robert Koprowski, prof. UŚ, współautor wzoru użytkowego. Dzięki temu diagnostyka takich nowotworów skóry, jak czerniak złośliwy, będzie szybsza, obarczona mniejszymi błędami oraz niezależna od operatora – dodaje.
      Zaproponowana przez naukowców metoda badania jest nieinwazyjna i bezpieczna nawet dla miejsc zmienionych chorobowo. Klips może być również wykorzystywany do monitorowania postępów leczenia zarówno w warunkach szpitalnych, jak i domowych.
      Autorami wzoru użytkowego, na który przyznane zostało prawo ochronne, są naukowcy z Wydziału Nauk Ścisłych i Technicznych UŚ: dr hab. inż. Robert Koprowski, prof. UŚ oraz prof. dr hab. inż. Zygmunt Wróbel, a także dr hab. n. farm. Sławomir Wilczyński, prof. ŚUM i prof. dr hab. n. med. Barbara Błońska-Fajfrowska ze Śląskiego Uniwersytetu Medycznego w Katowicach.

      « powrót do artykułu
    • 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
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...