Ovariecancer er en frygtindgydende og ofte dødelig sygdom. Manglen på effektive screeningsredskaber og den asymptomatiske karakter af sygdommens tidlige stadier bidrager til sene diagnoser og begrænsede behandlingsmuligheder. Men en nylig undersøgelse præsenteret ved det amerikanske selskab for kræftforskning (AACR) Årlige Møde 2024 bringer håbefulde nyheder. Forskere fra Johns Hopkins Kimmel Cancer Center har udviklet en blodbaseret maskinlæringstest, der viser løfte om at adskille ovariecancerpatienter fra raske individer eller dem med godartede ovarialmasser.
Testen kombinerer to kendte biomarkører for ovariecancer, proteinerne CA125 og HE4, med en analyse af cellefrit DNA (cfDNA) fragmentmønstre. Ved omhyggeligt at analysere fragmenterne på tværs af hele det humane genom kan forskere opdage subtile mønstre, der indikerer tilstedeværelsen af kræft. Denne metode, kaldet DELFI (DNA Evaluation of Fragments for early Interception), er en ny tilgang baseret på fragmentomics, en lovende flydende biopsiteknologi.
Flydende biopsiteknologier, der analyserer tumorafledt DNA i blodet, har vist potentiale inden for ikke-invasiv kræftdetektion. Dog har de ikke altid været effektive til at opdage ovariecancer. Fragmentomics forbedrer derimod nøjagtigheden af disse tests ved at registrere ændringer i størrelse og fordeling af cfDNA-fragmenter på tværs af genomet.
Hovedforsker Jamie Medina, Ph.D., forklarer, at kræftceller har forskellige mønstre af DNA-fragmenter i blodet sammenlignet med raske celler på grund af deres hurtige vækst og kaotiske genom. DELFI-testen udnytter disse forskelle til at opdage tilstedeværelsen af ovariecancer.
I undersøgelsen analyserede forskerne fragmentomer fra personer med og uden ovariecancer ved hjælp af DELFI. De trænede en maskinlæringalgoritme til at integrere fragmentomdataene med niveauerne af CA125 og HE4-proteiner i plasmaet. Der blev udviklet to modeller: én til screening af ovariecancer hos asymptomatiske individer og en anden til at differentiere godartede masser fra kræftige.
Screeningsmodellen opnåede imponerende resultater med en specificitet på over 99% og evnen til at identificere 69%, 76%, 85% og 100% af ovariecancer tilfælde klassificeret som I-IV, respektivt. Nøjagtigheden, målt ved arealet under kurven, var 0,97 på tværs af alle stadier.
Dette gennembrud skaber håb om tidligere påvisning af ovariecancer og potentielt redning af liv. Kombinationen af flydende biopsianalyse og maskinlæringsalgoritmer giver en omkostningseffektiv og tilgængelig tilgang til screening for ovariecancer.
FAQ:
Q: Hvad er DELFI?
A: DELFI (DNA Evaluation of Fragments for early Interception) er en flydende biopsiteknologi, der analyserer størrelsen og fordelingen af cellefrit DNA-fragmenter på tværs af genomet for at opdage tilstedeværelsen af kræft.
Q: Hvad er CA125 og HE4?
A: CA125 og HE4 er proteiner, der er kendte biomarkører for ovariecancer. Deres niveauer i blodet kan indikere tilstedeværelsen af sygdommen.
Q: Hvor nøjagtig er screeningsmodellen?
A: Screeningsmodellen opnåede en specificitet på over 99% og evnen til at identificere varierende procenter af ovariecancer tilfælde afhængigt af deres stadie.
Q: Hvordan kan dette gennembrud påvirke påvisning af ovariecancer?
A: Dette gennembrud tilbyder en lovende ny tilgang til screening for ovariecancer, der er omkostningseffektiv og tilgængelig. Det har potentiale til at forbedre tidlig påvisning og intervention, hvilket fører til bedre behandlingsresultater og øget overlevelsesrate.
Kilder:
– Johns Hopkins Medicine: [indsæt link, når tilgængelig]
The source of the article is from the blog coletivometranca.com.br