AJPCP：开发出一种能预测乳腺癌复发的新型工具
来源：本站原创 2020-12-08 08:34
2020年12月8日 讯 /生物谷BIOON/ --近日，一项刊登在国际杂志American Journal of Physiology-Cell Physiology上的研究报告中，来自密歇根大学等机构的科学家们通过研究开发了一种新型工具，其能将传统病理学与机器学习手段相结合来帮助预测哪些乳腺癌患者真正需要接受外科手术治疗，相关研究或有望帮助避免患者接受不
2020年12月8日 讯 /生物谷BIOON/ --近日，一项刊登在国际杂志American Journal of Physiology-Cell Physiology上的研究报告中，来自密歇根大学等机构的科学家们通过研究开发了一种新型工具，其能将传统病理学与机器学习手段相结合来帮助预测哪些乳腺癌患者真正需要接受外科手术治疗，相关研究或有望帮助避免患者接受不必要的治疗，并降低患者的治疗开支，同时也有望帮助开发出新一代的药物来阻断乳腺癌的复发。
乳腺导管原位癌（DCIS，Ductal carcinoma in situ）是一种名为0级乳腺癌的早期疾病形式，其是一种有时仅会导致侵入性乳腺癌的诊断，但有些患者需要接受手术治疗、化疗或放疗，其他人则回家继续观察病情，预测早期形式乳腺癌患者的预后是几十年来科学家们一直面临的科学难题。
图片来源：Dr. Howard R. Petty
这项研究中，研究人员就报道了一种解决这种诊断困境的方法，这种对DCIS患者样本进行测试的技术早在10多年前就被捐献给研究结构，同时其还会被患者目前的临床病史所补充。研究者Petty说道，典型的是，对于像DCIS这样的浸润前乳腺癌患者，其治疗往往会更加积极一些，在DCIS情况下，意味着患者要进行部分或全乳腺组织的切除，但据研究人员从其它研究工作中得知，超过一半的患者并不会经历侵袭性疾病的进展。
这种新方法依赖于研究者新报道的发现，在可能复发的DCIS案例和转移性乳腺癌中，细胞会将特定的酶类重组成为危险肿瘤细胞外膜下的代谢平台，这或许就会使得酶类能够像工厂店装配线一样高效运转，这种效率就会使得癌症变得更加危险。研究者认为，这些细胞工厂所产生的酶类能够促进肿瘤细胞的侵袭性，同时还会转移多种形式的化疗和放疗手段。
为了预测哪些DCIS案例会导致这种装配线的产生，研究人员对来自患者样本中的生物标志物进行标记，随后对其进行拍照成像，并将图像上传至云计算平台进行分析。利用这种方法，研究人员就能以91%的准确率来预测癌症的复发和不复发率，其仅有4%的假阴性结果，目前研究人员正在不断改进并优化这种方法。研究者Petty说道，这种新型工具能减少危及生命的DCIS的过度诊断，同时还能允许科学家们在药理学上干扰代谢平台，从而阻断肿瘤的侵袭，并增强化疗和放疗，阻断肿瘤的复发。该工具还能用来帮助预测其它侵袭前病变的结果，以及哪些患者会对特殊的治疗干预措施产生反应。目前研究人员正在进行额外的回顾性实验，以获得FDA对这种新型诊断测试技术的批准。（生物谷Bioon.com）
原始出处：
Alexandra M. Kraft,Howard R. Petty. Spatial locations of certain enzymes and transporters within preinvasive ductal epithelial cells predict human breast cancer recurrences, American Journal of Physiology-Cell Physiology (2020). DOI: 10.1152/ajpcell.00280.2020
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
