[ad_1]

تصویر

تصویر: میکروگراف از نمونه های زنانی که زنده مانده اند و هیچ عود سرطانی ندارند. چشم انداز بیشتر

اعتبار: دکتر هوارد آر پتی

ابزاری جدید ، ترکیبی از آسیب شناسی سنتی و یادگیری ماشینی ، می تواند پیش بینی کند که واقعاً چه بیماران سرطانی پستان به جراحی نیاز دارند. فناوری گزارش شده در شماره نوامبر سال مجله آمریکایی فیزیولوژی – فیزیولوژی سلول (دوره 319: C910-C921 ؛ https: //بیا دیگه.سازمان /101152 /ajpcell00280.2020) می تواند درمان غیرضروری زنان را نجات دهد ، هزینه های پزشکی را کاهش دهد و منجر به ایجاد نسل جدیدی از داروها برای جلوگیری از عود سرطان پستان شود.

سرطان مجاری درجا سرطان پستان (DCIS) ، نوعی بیماری اولیه ، که به آن مرحله 0 سرطان پستان نیز می گویند ، تشخیصی است که فقط گاهی اوقات منجر به سرطان پستان مهاجم می شود. اما فقط بعضی از بیماران به جراحی ، شیمی درمانی و یا پرتودرمانی نیاز دارند و مابقی را می توان به خانه فرستاد. پیش بینی نتایج در بیماران مبتلا به سرطان های اولیه برای دهه ها یک مشکل مهم علمی بوده است.

پروفسور هوارد پتی و خانم الكساندرا كرافت ، محقق وی ، هر دو از دانشگاه میشیگان ، به تازگی راه حلی برای این معضل تشخیصی اعلام كرده اند. این فناوری جدید بر روی نمونه هایی از بیماران DCIS که بیش از 10 سال پیش برای تحقیق اهدا شده اند و با سابقه بالینی فعلی آنها تکمیل شده است ، آزمایش شده است.

پروفسور پتی می گوید: “معمولاً بیماران مبتلا به سرطان پیش تهاجمی مانند DCIS بسیار پرخاشگرانه تحت درمان قرار می گیرند.” “در مورد DCIS ، این به معنای ماستکتومی جزئی یا کلی است … اما ما از کارهای دیگر می دانیم که بیش از نیمی از این بیماران به بیماری تهاجمی مبتلا نخواهند شد.”

روش متکی به کشف تازه کشف شده است که در هر دو مورد DCIS مکرر و سرطان پستان متاستاتیک ، سلولها آنزیمهای خاصی را به “سکوهای متابولیک” درست زیر غشای خارجی این سلولهای تومور خطرناک سازماندهی می کنند. پروفسور پتی می گوید: “این اجازه می دهد تا آنزیم ها مانند یک خط تولید در یک کارخانه با بازده بالا کار کنند.” این تأثیر این سرطان ها را بسیار خطرناک می کند. خرده نظریه ها را مطرح می کند که محصولات آنزیمی تولید شده توسط این کارخانه های تولید سلول باعث تهاجم سلولهای تومور می شود و همزمان بسیاری از اشکال شیمی درمانی و پرتودرمانی را منحرف می کند.

برای پیش بینی موارد DCIS که منجر به ایجاد چنین خطوط مونتاژ می شود ، پتی و همکارانش نشانگرهای زیستی را در نمونه های بیمار علامت گذاری می کنند و سپس از نشانگرهای زیستی با یک دوربین پیچیده مشابه دوربین نجومی استفاده می کنند. تصاویر دیجیتالی سپس برای تجزیه و تحلیل در یک بستر رایانش ابری بارگذاری می شوند.

با استفاده از این روش ، محققان به درستی عود و عدم عود سرطان را در 91٪ موارد ، تنها با 4٪ منفی کاذب پیش بینی کردند. پیشرفتهای بعدی در پیش است.

نویسندگان پیشنهاد می کنند که این ابزار تشخیص بیش از حد DCIS تهدید کننده زندگی را کاهش می دهد. این روش می تواند به دانشمندان اجازه دهد تا سیستم عامل های متابولیسم دارویی را به هم بزنند ، در نتیجه از حمله به تومور جلوگیری می کند ، شیمی درمانی و پرتودرمانی را بهبود می بخشد و عود را متوقف می کند. پروفسور پتی می گوید: “این ابزار همچنین می تواند در پیش بینی نتایج سایر ضایعات پیش تهاجمی و پیش بینی اینکه بیماران به مداخلات درمانی خاص پاسخ خواهند داد ، مفید باشد.”

محققان در حال انجام آزمایشات گذشته نگر اضافی هستند که برای دریافت تأیید FDA برای این آزمایش جدید تشخیصی مورد نیاز است.

###

این اثر اخیراً جایزه APSselect را از انجمن فیزیولوژی آمریکا دریافت کرده است.

تماس با: messages@breithmed.com

سلب مسئولیت: AAAS و EurekAlert! هیچ مسئولیتی در قبال صحت گزارشهای خبری منتشر شده در EurekAlert ندارند! از طریق موسسات کمک کننده یا استفاده از هرگونه اطلاعات از طریق سیستم EurekAlert.

[ad_2]

منبع: kolah-news.ir