Sign in to follow this
Followers
0
Obiecujące wstępne wyniki badań nad szczepionką DNA na raka piersi
By
KopalniaWiedzy.pl, in Medycyna
-
Similar Content
-
By KopalniaWiedzy.pl
Rak piersi to najczęściej diagnozowany i jeden z najbardziej śmiercionośnych nowotworów na świecie. W 2020 roku zdiagnozowano go u 2,26 miliona osób, a choroba zabiła 685 000 ludzi. Badania przeprowadzone w Szwajcarii wykazały, że nowotwór ten najbardziej efektywnie rozprzestrzenia się w czasie snu. Odkrycie to może znacząco zmienić sposób diagnozy i leczenia raka piersi.
Do metastazy, rozsiewania się nowotworu, dochodzi, gdy komórki odrywają się od guza pierwotnego, wędrują po organizmie i tworzą nowe guzy. Dotychczas zakładano, że metastaza to proces ciągły, więc podczas badań nad nowotworami nie przywiązywano uwagi do kwestii pory dnia, w której zachodzi. Teraz naukowcy z Politechniki Federalnej w Zurich, Szpitala Uniwersyteckiego w Bazylei i Uniwersytetu w Bazylei zauważyli zaskakujące zjawisko. Komórki, które tworzą przerzuty w późnym stadium nowotworu pojawiają się głównie, gdy chory śpi.
Gdy pacjent śpi, budzi się guz, mówi lider grupy badawczej, profesor Nicola Aceto. Podczas badań na 30 kobietach z rakiem piersi oraz modelach mysich naukowcy zauważyli, że podczas snu w organizmie pojawia się więcej krążących komórek nowotworowych. Ponadto komórki, które opuszczają guz w nocy dzielą się szybciej, a więc mają większy potencjał do tworzenia przerzutów od komórek, które odrywają się od guza za dnia. Nasze badania pokazują, że oddzielanie się komórek nowotworowych od guza pierwotnego jest kontrolowane przez hormony takie jak melatonina, które regulują rytm dobowy, dodaje Zoi Diamantopoulou.
Naukowcy zauważyli też, zupełnie przypadkiem, że liczba krążących w organizmie komórek nowotworowych mocno zmienia się w ciągu doby. Widać to było po czasie pobrania próbek krwi do badań. Niektórzy z moich kolegów pracują wcześnie rano lub późnym wieczorem, czasem pobierali krew o niestandardowych godzinach, mówi Aceto. Naukowców zaskoczyło, że krew pobrana o różnych porach doby zawierała bardzo różną liczbą komórek nowotworowych. Innym zaskoczeniem była duża liczba komórek nowotworowych w jednostce krwi u myszy w porównaniu z ludźmi. Naukowców zaskoczyło to, gdyż myszy to stworzenia aktywne nocą, więc próbki pobierano u nich zwykle za dnia, gdy zwierzęta spały. Szwajcarzy już teraz radzą, by lekarze opiekującymi się pacjentami nowotworowymi, odnotowywali dokładny czas pobrania krwi do badań. Dopiero to może dać pełny obraz sytuacji.
Teraz zespół Aceto zastanawia się, w jaki sposób odkrycie może pomóc w leczeniu nowotworów. Uczeni chcą sprawdzić, czy przerzutowanie innych nowotworów również zależy od pory dnia oraz czy już istniejące terapie przeciwnowotworowe mogą lepiej działać jeśli będą stosowane o różnych porach doby.
Szczegóły badań zostały opisane na łamach Nature.
« powrót do artykułu -
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
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
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.