Los investigadores de la Universidad de Osaka han desarrollado un método informático que utiliza imágenes de resonancia magnética MRI y aprendizaje automático para pronosticar rápidamente mutaciones genéticas en tumores de glioma, que ocurren en el cerebro o la columna vertebral. El trabajo puede ayudar a los pacientes con glioma a recibir un tratamiento más adecuadomás rápido, dando mejores resultados. La investigación fue publicada recientemente en Informes científicos .
El tratamiento del cáncer ha experimentado una revolución en los últimos años. Impulsado por el reconocimiento de que cada caso de cáncer es único, las mutaciones genéticas específicas que llevan las células tumorales ahora se secuencian para descubrir qué medicamentos de quimioterapia funcionarán mejor. Sin embargo, ciertos tipos de cáncer, especialmente el cerebrolos tumores son menos accesibles para las pruebas genéticas. El genotipo del tumor no se puede encontrar hasta que se toma una muestra durante la cirugía, y esto puede retrasar significativamente el tratamiento.
El glioma es un tipo de cáncer que se origina en las células de soporte del cerebro. Dos tipos de mutaciones son especialmente importantes; estos son cambios en el gen de la enzima isocitrato deshidrogenasa IDH o la región promotora de la telomerasa TERT.las mutaciones pueden ayudar a dirigir el curso adecuado del tratamiento. Los investigadores produjeron un algoritmo de aprendizaje automático que puede predecir qué mutaciones están presentes usando solo las imágenes de MR de los tumores.
"El aprendizaje automático se usa cada vez más para diagnosticar imágenes médicas. Pero nuestro trabajo es uno de los primeros en intentar clasificar algo tan oculto como el genotipo basado solo en datos de imágenes", explica el primer autor del estudio, Ryohei Fukuma. Se encontró el algoritmopara ser significativamente mejor en la predicción de las mutaciones en comparación con las características radiómicas de las imágenes de RM, como el tamaño, la forma y la intensidad.
Para construir el algoritmo, los investigadores utilizaron una red neuronal convolucional para extraer características de las imágenes de RM. Luego, utilizando un método de aprendizaje automático llamado máquinas de vectores de soporte, clasificaron a los pacientes en grupos según la presencia o ausencia de mutaciones."Esperamos expandir este enfoque a otros tipos de cáncer, de modo que podamos aprovechar las grandes bases de datos de genes de cáncer ya recopiladas", dice el autor principal Haruhiko Kishima.
El resultado final podría eliminar la necesidad de tomar muestras de tejido quirúrgico. Aún más, podría conducir a mejores resultados clínicos para los pacientes a medida que el proceso de administración de medicamentos personalizados se vuelve más fácil y rápido.
Fuente de la historia :
Materiales proporcionado por Universidad de Osaka . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :