Astronomie-algoritmen helpen bij het diagnosticeren van aggressieve tumoren


Astronomie-algoritmen helpen bij het diagnosticeren van aggressieve tumoren

In een opvallend voorbeeld van interdisciplinair teamwork, helpen astronomen kankeronderzoekers met behulp van geautomatiseerde stargazing-algoritmen die zijn ontwikkeld voor het opsporen van verre sterrenstelsels om biomarkers in tumoren te identificeren om te bepalen hoe agressief ze zijn.

De teams, van het Cancer Research UK Cambridge Institute en het Department of Oncology en het Institute of Astronomy aan de Universiteit van Cambridge in het Verenigd Koninkrijk, beschrijven hoe ze de astronomen 's beeldanalyse algoritmen hebben aangepast en getest op 2000 borsttumoren in een gepubliceerde studie. Online op 19 februari in de British Journal of Cancer .

De huidige methode om tumoragressiviteit te analyseren is gebaseerd op ervaren pathologen die microscopen kijken om subtiele verschillen in kleuring van tumormonsters te zien. Een gecomputeriseerde aanpak zou dit proces snel kunnen versnellen.

Natuurlijke Overlap In Astronomie En Kanker Beeldanalyse Technieken

De algoritmen voor beeldanalyse van de astronomen werden oorspronkelijk ontwikkeld om hen te helpen om onduidelijke objecten in de nachtelijke hemel automatisch uit te kiezen. Op een keer was dit ook een moeizame manuele oefening, uitgevoerd met behulp van krachtige telescopen.

De technieken zijn niet in tegenstelling tot die welke gebruikt worden in immunohistochemie (IHC), waar pathologen microscopen naar beneden kijken om subtiele verschillen in kleuring van tumorcellen te onderscheiden om verschillende eiwitten te onderscheiden.

Lood schrijver Dr Raza Ali, een pathologie-collega van het Cancer Research UK Cambridge Institute, zegt in een verklaring:

"We hebben de natuurlijke overlapping tussen de technieken van astronomen gebruikt om de diepe luchtbeelden van de grootste telescopen te analyseren en de noodzaak om subtiele verschillen in het vlek van tumormonsters in de microscoop te bepalen."

Co-auteur Nicholas Walton, van het Cambridge Institute of Astronomy, zegt:

"Het is geweldig dat onze beeldanalysesoftware, die oorspronkelijk werd ontwikkeld om bijvoorbeeld te helpen bij het opsporen van planeten die het leven buiten ons zonnestelsel bevinden, nu ook gebruikt worden om de vooruitzichten voor kankerpatiënten te helpen, veel dichterbij thuis."

Getest op drie borstkankerbiomarkers

Om de aangepaste algoritmen te testen, hebben de onderzoekers ze gebruikt om niveaus van drie eiwitten (ER, BCL2 en HER2) te beoordelen die bekend staan ​​als biomarkers voor agressieve kanker, in steekproeven van meer dan 2.000 patiënten met borstkanker.

Elk monster ging door twee evaluaties: een met behulp van handmatige beeldanalyse met pathologen die microscopen konden bekijken en de andere waar een computer, uitgerust met de aangepaste algoritmen, automatisch de beelden analyseerde.

Toen ze de resultaten vergelijken, vonden de teams dat de computer net zo nauwkeurig was als het manuele systeem:

"Automatische scores vertoonden een uitstekend concordantie met handmatige scores voor de onbewaakte toewijzing van zaken naar 'positieve' of 'negatieve' categorieën met een afspraakpercentage van 96%, 'schrijf de auteurs.

Plus, het extra voordeel is dat het geautomatiseerde systeem veel sneller was.

"De resultaten zijn nog beter dan we hadden gehoopt," zegt Ali, "met onze nieuwe geautomatiseerde aanpak die nauwkeurig vergelijkt met de tijdrovende taak om beelden handmatig te scoren, na slechts relatief kleine aanpassingen aan de formule."

Volgende stap

De onderzoekers willen nu een veel grotere internationale studie doen met behulp van monsters van meer dan 20.000 patiënten met borstkanker. Dit helpt bij het verfijnen van de nieuwe aanpak.

Senior auteur Carlos Caldas, een professor die ook bij het Cancer Research UK Cambridge Institute staat, zegt:

"Moderne technieken geven ons enkele van de eerste inzichten in de belangrijkste genen en eiwitten die belangrijk zijn om het succes of het mislukken van verschillende kankerbehandelingen te voorspellen. Maar voordat deze in de kliniek kunnen worden toegepast, moet hun bruikbaarheid in honderden of soms duizenden worden geverifieerd Van tumormonsters."

Caldas zegt dat de nieuwe methodes hen al helpen om maximaal 4000 beelden per dag te analyseren.

In januari rapporteerden de onderzoekers aan de Universiteit van Oslo in Noorwegen een nieuwe studie waarin 3D mammografie (tomosynthese) werd gevonden, die in combinatie met traditionele beeldvorming werd gebruikt, verhoogde invasieve borstkanker detectie met 27%.

The Choice is Ours Official Full Version (Video Medische En Professionele 2020).

Sectie Kwesties Op De Geneeskunde: Vrouwen gezondheid