Středa, 4 prosince, 2024

nová metoda

MedicínaVše

Měkčí nádory podporují agresivnější šíření rakoviny prsu

breast cancer, pink, dandelionFoto: sandramu/Pixabay

Metabolický „přepínač přežití“ řízený ztuhlostí agresivní formy nádorů prsu, může podle nových zjištění Garvanova institutu lékařského výzkumu významně ovlivnit, jak úspěšně se jejich rakovinné buňky šíří do dalších orgánů.

Triple-negativní karcinomy prsu jsou vysoce agresivní a obtížně léčitelné, protože postrádají tři receptory (pro estrogen, progesteron a protein HER2), které mohou být cíleny u jiných karcinomů prsu. Pomocí biomateriálů, které napodobují vlastnosti nádorů, tým zkoumal, jak trojitě negativní buňky rakoviny prsu reagují na fyzickou tuhost svého prostředí. Výzkumníci zjistili, že rakovinné buňky byly připraveny tak, aby byly odolnější, když rostly v měkkém prostředí, a když byly injikovány do myších modelů, je až 11,8krát pravděpodobnější, že budou metastázovat do nových míst ve srovnání s těmi z tuhého prostředí nádoru.

„To naznačuje, že trojitě negativní buňky rakoviny prsu šířící se z měkčích nádorů jsou agresivnější a léky, které se zaměřují na metabolismus rakovinných buněk, mohou být přínosem pro pacienty s léčbou metastatického trojnásobně negativního karcinomu prsu.“

Tým také zjistil, že měkké prostředí změnilo preferenci rakovinných buněk pro „palivo“ způsobem, který zvýšil jejich odolnost při cestování tělem. Tyto aktivované buňky metabolizovaly glukózu, preferovaný zdroj energie pro rakovinné buňky, ale také hromadily lipidy jako vnitřní zásoby paliva a naopak zrychlovaly metabolismus lipidů, odolnější energetickou dráhu pro jejich cestu z místa primárního nádoru.

„Tento přechod na používání glukózy i tuků jako zdroje energie vybaví buňky tak, aby lépe přežily mechanický stres spojený s cestováním krevním řečištěm a zaséváním nových nádorových míst v těle,“ říká první autor Dr Elysse Filipe, který studii dokončil jako postdoktorandský výzkumník ve společnosti Garvan. „Zablokováním metabolismu lipidů v trojitě negativních buňkách rakoviny prsu jsme byli schopni ‚vyhladovět‘ jejich vysokou energetickou náročnost a snížit metastázy v buněčném modelu.“

Studie na buněčných a myších modelech ukázala, že měkčí nádorové prostředí, typické pro rané stádium rakoviny, může připravit trojitě negativní buňky rakoviny prsu, aby využily další zdroj energie pro přežití během metastáz. Výzkum naznačuje, že léky zaměřené na tento pozměněný metabolismus rakovinných buněk by mohly podpořit léčbu metastatického triple-negativního karcinomu prsu.

„Náš výzkum naznačuje, že trojitě negativní buňky rakoviny prsu v prostředí měkkých tkání jsou ‚připraveny‘, aby lépe přežily šíření do jiných orgánů, a že za tímto účelem zapnou alternativní formu metabolismu,“ říká docent Cox, vedoucí Matrixu & Metastasis Lab v Garvan a hlavní autor studie publikované v Advanced Science.

Nový přístup k triple-negativní rakovině prsu

„Naše zjištění zdůrazňují, že fyzikální vlastnosti trojnásobně negativního karcinomu prsu, které se dynamicky mění, jak rakovina postupuje, hluboce ovlivňují schopnost rakoviny šířit se,“ říká doktor Filipe. „Tato zjištění odhalují zranitelnost triple-negativních rakovin prsu, to, že metastázující buňky se spoléhají na různé zdroje paliva, aby uspokojily jejich vysoké energetické nároky.“

Docent Cox dodává: „Studie podtrhuje důležitost zohlednění mechanické rozmanitosti uvnitř a mezi nádory při navrhování nových léčebných postupů pro agresivní rakoviny. Nyní plánujeme prozkoumat, zda by párování cílených metabolických inhibitorů se stávajícími terapiemi mohlo omezit metastázy a zlepšit výsledky u pacientek s trojnásobně negativním karcinomem prsu.


Tento výzkum byl podpořen australskou National Health and Medical Research Council, Cancer Council NSW a stipendiem australského vládního výzkumného programu pro výzkum. Docent Cox je společným docentem na klinické škole St Vincent’s Clinical School, Fakultě medicíny a zdraví, UNSW Sydney.

Článek byl upraven z tiskové zprávy AAAS.

MedicínaRady | tipy | zajímavostiTOP 10Vše

Nová metoda screeningu rakoviny prsu s pomocí AI může omezit zbytečné testování

Podle studie vědců z Washingtonské univerzity Lékařské fakulty v St. Louis a Whiterabbit.ai, technologického startupu ze Silicon Valley, ukazuje, jak použití umělé inteligence (AI) k doplnění hodnocení mamografů radiology, může zlepšit screening rakoviny prsu a přitom snížit počet falešně pozitivních výsledků, aniž by došlo k přehlédnutí skutečných případů rakoviny.

Vědci vyvinuli algoritmus, který identifikoval normální mamografy s velmi vysokou citlivostí. Poté provedli simulaci údajů o pacientkách, aby zjistili, co by se stalo, kdyby všechny mamografy s velmi nízkým rizikem byly odebrány ze stolů radiologů, a lékaři se tak mohli soustředit na spornější skeny. Simulace odhalila, že k dalšímu testování by bylo povoláno daleko méně lidí, ale že by byl detekován stejný počet případů rakoviny.

„Falešně pozitivní případy jsou, když zavoláte pacientku zpět k dalšímu testování a ukáže se, že je benigní,“ vysvětlil lékař a hlavní autor studie, MUDr. Richard L. Wahl, profesor radiologie Mallinckrodtova radiologického institutu (MIR) Washingtonské univerzity a profesor radiační onkologie. „Předčasná interpretace způsobuje pacientům spoustu zbytečné úzkosti a spotřebovává lékařské zdroje. Tato simulační studie ukázala, že umělá inteligence dokáže spolehlivě identifikovat mamografy s velmi nízkým rizikem, aby se snížila falešná pozitivita a zlepšily pracovní postupy.“

Simulace Lékařské fakulty Washingtonské univerzity ukazuje, jak použití umělé inteligence může pomoci lékařům při čtení mamografů, které snižuje následné testování, aniž by došlo k přehlédnutí případů rakoviny.

Foto: DEBBIE BENNETT/WASHINGTON UNIVERSITY/Zdroj vázaný k tiskové zprávě
OBRAZ: V PRŮMĚRU NAJDOU RADIOLOGOVÉ JEDEN PŘÍPAD RAKOVINY (SNÍMKY DOLE) NA KAŽDÝCH 200 MAMOGRAFŮ, KTERÉ VYHODNOCUJÍ. HORNÍ OBRÁZKY NEUKAZUJÍ ŽÁDNOU RAKOVINU. V NEDÁVNÉ STUDII VÝZKUMNÍCI Z WASHINGTON UNIVERSITY SCHOOL OF MEDICINE V ST. LOUIS A WHITERABBIT.AI PROKÁZALI, ŽE POMOC AI BY POTENCIÁLNĚ MOHLA ZLEPŠIT SCREENING RAKOVINY PRSU SNÍŽENÍM POČTU FALEŠNĚ POZITIVNÍCH VÝSLEDKŮ, ANIŽ BY CHYBĚLY SKUTEČNÉ POZITIVNÍ.

Wahl dříve spolupracoval s Whiterabbit.ai na  algoritmu, který má pomoci radiologům posoudit hustotu prsou na mamografech,  aby identifikovali pacienty, kteří by mohli mít prospěch z dalšího nebo alternativního screeningu. Trénovali model AI na 123 248 2D digitálních mamografech (obsahujících 6 161 ukazujících rakovinu), které z velké části shromáždili a přečetli radiologové z Washingtonské univerzity. Poté ověřili a otestovali model umělé inteligence na třech nezávislých sadách mamografů, dvou z institucí v USA a jedné ve Spojeném království.

Nejprve vědci zjistili, co lékaři udělali, kolik pacientů bylo povoláno zpět na nový screening a biopsie. Výsledky těchto testů a konečné rozhodnutí každého případu. Poté aplikovali AI na soubory dat, aby zjistili, co by bylo jiné, kdyby byla AI použita k odstranění negativních mamografů v počátečních hodnoceních a lékaři při hodnocení zbytku postupovali podle standardních diagnostických postupů.

Vezměme si například největší soubor dat, který obsahoval 11 592 mamografů. Při škálování na 10 000 mamografů (aby se matematika pro účely simulace zjednodušila), AI označila 34,9 % za negativní. Pokud by těch 3 485 negativních mamografů bylo odstraněno z pracovní zátěže, radiologové by provedli 897 zpětných diagnostických vyšetření, což je snížení o 23,7 % oproti 1 159, které provedli ve skutečnosti.

V dalším kroku by bylo 190 lidí povoláno k biopsii, což je snížení o 6,9 % oproti 200 ve skutečnosti. Na konci procesu jak přístup k vyloučení umělé inteligence, tak přístupy v reálném světě standardní péče identifikovaly stejných 55 druhů rakoviny. Jinými slovy, tato studie AI naznačuje, že z 10 000 lidí, kteří podstoupili počáteční mamografii, se 262 mohlo vyhnout diagnostickým vyšetřením a 10 se mohlo vyhnout biopsii, aniž by byl vynechán jakýkoli případ rakoviny.

Tato studie ukazuje, že umělá inteligence může být potenciálně velmi přesná při identifikaci negativních vyšetření. Ještě důležitější je, že výsledky ukázaly, že automatizace detekce negativů může také vést k obrovskému přínosu v redukci falešně pozitivních výsledků, aniž by se změnila míra detekce rakoviny.

Článek byl zpracován na základě tiskové zprávy AAAS. Studie byla publikována 10. dubna v časopise Radiology: Artificial Intelligence pod značkou DOI 10.1148/ryai.230033.