化疗或不呢?新发现帮助决定谁将受益于化疗
凯斯西储大学的研究人员和合作伙伴,包括克利夫兰诊所的合作者,正在推动的边界如何“智能”诊断成像设备识别癌症和肿瘤外发现线索告诉病人是否会对化疗反应良好。
最近发现在乳腺癌和肺癌癌症研究建立了工作开创了生物医学工程教授Anant Madabhushi,计算成像中心的创始人和个性化诊断。他是一对最近的出版物和杂志的资深作者加入了科学家们工程学院,克利夫兰诊所和纽约大学Langone医学中心。
这项工作,总的来说,预示着一个更个性化的未来在医学诊断,Madabhushi说。
”,这进一步证明,信息计算审讯的地区以外的肿瘤在MRI (磁共振图像)和猫(计算机断层扫描)扫描是非常宝贵的,可以预测的响应和好处化疗在肺癌和乳腺癌患者f·亚历克斯·内森教授说:“Madabhushi II工程学院生物医学工程的情况。
Madabhushi中心成立于2012年,50多个合作者在相关项目工作。实验室已成为全球领先的检测、诊断和描述各种癌症和其他疾病的啮合医疗成像、机器学习和人工智能。
希望HER2乳腺癌
4月19日最新发表的研究《美国医学会杂志》网络开放重点标记组织外的乳腺肿瘤,可以表明一个病人是否会回应靶向化疗。
生物医学工程博士研究员Nathaniel徐文伯和医学院教员Vinay瓦拉丁与领导一个团队合作者先前报道的发现隐藏的“签名”与乳腺癌的一种类型,称为HER2阳性(或简单的HER2)。它包含大约20%的病例和收到一个特别的目标治疗策略。
研究人员已经能够分类HER2乳腺癌患者成分子subtypes-corresponding那些可能会对靶向化疗和那些并不是简单地通过分析初始组织样本。
工作”提供了洞察的能力radiomic分析捕获肿瘤生物学、临床意义上的“瓦拉丁与解释的那样,一个文章的第二作者与Madabhushi研究。“证明额外的研究评估的临床效用的无创性方法指导治疗策略这样的疾病。”
标记不上找到图片组织制成幻灯片,但是外肿瘤本身。他们不能被人眼,但由一个过程称为radiomics透露,中提取相关数据从医学图像像核磁共振成像。
“现在,这些患者接受“一刀切”治疗尽管很多样化,“徐文伯说。“我们要做的是确定治疗之前,患者会从特定的疗法中获益。这可能会给医生和病人信息之前他们没有。”
把想法付诸使用可能是多年,临床试验后,然后大步的总有一天”让医生能够信任和使用它,”徐文伯说。
为此,研究人员写道,他们探索了重叠成像特征和信息组织的幻灯片和遗传学,医生考虑重要的治疗决策。
Radiomics以外的地区肺结节预测化疗中获益
另一个研究,发表在3月,还评估是否computer-extracted图像模式(或radiomics)外肿瘤可以表明肺癌病人是否会回应靶向化疗。
“开始时的问题是,只有四分之一的肺癌患者化疗能积极回应,但几乎每个人都得到治疗,”生物医学工程博士研究员Mohammadhadi说Khorrami,研究的领导者之一。“但所有的先前的研究一直局限于肿瘤内。”
在这种情况下,研究人员检测了图像数据从125年克利夫兰诊所的病人诊断为非小细胞肺癌(NSCLC)。所有先前收到了靶向化疗,但只有一半应对困难的治疗。
使用信息从这些病人的数据,研究人员训练他们的技术来区分图像数据的患者和那些没有回应。然后他们测试技术对额外的患者数据。
“通过内部和外部的肿瘤,“Khorrami说,“我们实现了在决定哪些精度77%病人将受益于chemotherapy-far(68%)比只看肿瘤本身。”
Khorrami是一个十人的团队研究人员发表的第一作者研究与莫尼卡Khunger,克利夫兰诊所医生的研究,现在在匹兹堡受雇于UPMC。)他们的工作出现在3月在《放射学:人工智能。
使用radiomics,研究人员可以提取定量,或可测量的数据从CT图像,可以揭示疾病特征不可见仅在图像,根据美国放射学会的新闻发布的研究。
“这可以改变游戏,不仅对病人时的结果,但当涉及到成本整体医疗保健领域,“Khorrami说。“这成本每年约30000美元或更多的化疗,所以重要的是要知道谁会对化疗,我们接近真正的生物标志物。”
进一步探索
