Forscher prognostizieren in 10-Jahres-Brustkrebs-Rezidiv mit MRI-scans

Verschiedene Krankheiten wie Brustkrebs können aktuelle Herausforderungen für Kliniker, insbesondere auf zellulärer Ebene. Während der eine patient ‚ s tumor kann unterscheiden sich von anderen, der Zellen innerhalb des Tumors eines einzelnen Patienten kann auch stark variieren. Dies kann problematisch sein, wenn man bedenkt, dass eine Untersuchung ein tumor in der Regel stützt sich auf eine Biopsie, die erfasst nur eine kleine Probe der Zellen.

Laut einer neuen Studie von Forschern an der Penn Medizin, die Magnet-Resonanz-Tomographie (MRT) und einem sich entwickelnden Gebiet der Medizin als radiomics—welche algorithmen verwendet, um zu extrahieren, die eine große Menge von Funktionen von medizinischen Bildern—könnte helfen zu charakterisieren, die Heterogenität von Krebszellen innerhalb eines Tumors und damit für ein besseres Verständnis der Ursachen und der Verlauf einer einzelnen Krankheit. Die Ergebnisse wurden veröffentlicht in Clinical Cancer Research.

„Wenn wir nur nehmen ein kleines Stück Gewebe von einem Teil eines Tumors, die nicht geben ein vollständiges Bild von einer person die Krankheit und seine oder Ihre Reaktion auf bestimmte Therapien“, sagte principal investigator Despina Kontos, Ph. D., ein außerordentlicher professor der Radiologie in der Perelman School of Medicine an der University of Pennsylvania. „Wir wissen, dass in einer Menge von Fällen sind die Patienten über-behandelt, immer die Therapie, die möglicherweise nicht von Vorteil sein. Oder Umgekehrt, Patienten, die brauchen mehr aggressive Therapie am Ende möglicherweise nicht, es zu empfangen. Die Methode, die wir derzeit haben, für die Wahl der angemessenen Behandlung für Patienten mit Brustkrebs ist nicht perfekt, so dass die mehr Schritte, die wir ergreifen können, in Richtung mehr personalisierte Therapie Ansätze, desto besser.“

Kontos und Ihre Kollegen wollten bestimmen, ob Sie könnte verwenden imaging-und radiomics für mehr personalisierte tumor-Charakterisierung. Mit Hilfe von MRT, die Forscher extrahierten 60 radiomic Funktionen, oder Biomarker, aus 95 Frauen mit primär invasivem Brustkrebs. Nach follow-up mit den Patienten, 10 Jahre später, die Gruppe fand, dass Sie einen scan, die zeigte, dass hohe tumor-Heterogenität zum Zeitpunkt der Diagnose—Bedeutung einer hohen Vielfalt der Zellen—könnte erfolgreich Vorhersagen, Krebs Wiederauftreten.

„Unsere Studie zeigt, dass die Bildgebung hat das Potenzial zu erfassen, den gesamten tumor zu Verhalten, ohne dabei ein Verfahren, die invasiv oder begrenzt durch sampling-Fehler,“ sagte der Studie führen Autor Rhea Chitalia, ein Ph. D.-Kandidat an der School of Engineering and Applied Science an der University of Pennsylvania. „Hatten Frauen, die mehr heterogene Tumoren tendenziell ein höheres Risiko für tumor-Rezidiv.“

Die Forscher retrospektiv analysierten Patienten-scans von einem 2002-2006 klinischen Studie, durchgeführt an Penn-Medizin. Für jede Frau, erzielte der Konzern ein „signal enhancement ratio“ (SER) anzeigen und daraus extrahiert verschiedene imaging-Funktionen, um zu verstehen, die Beziehung zwischen diesen features und den konventionellen Biomarkern (wie gen-Mutationen oder das Hormon-rezeptor-status) und der Patienten-Ergebnisse.

Finden Sie Ihren Algorithmus war in der Lage, erfolgreich Vorhersagen Wiederauftreten-freie überleben nach 10 Jahren. Zur Validierung Ihrer Ergebnisse, in der Gruppe verglichen Ihre Ergebnisse an einer unabhängigen Stichprobe von 163 Patienten mit Brustkrebs aus der öffentlich zugänglichen Cancer Imaging-Archiv.

Während des imaging-kann nicht vollständig ersetzen die Notwendigkeit für die tumor-Biopsien, radiologische Methoden zu ergänzen, was ist derzeit der „gold-standard“ der Versorgung, Kontos sagte, indem Sie ein mehr detailliertes Profil der Krankheit des Patienten und führen individuelle Behandlung. Die nächsten Schritte für das research-team wird auch die Expansion der Analyse einer größeren patientenkohorte und auch weiter zu erforschen, welche spezifischen Marker sind mehr vorausschauende von bestimmten Ergebnissen.