Ovariumkanker is een geduchte en vaak dodelijke ziekte. Het gebrek aan efficiënte screeningsinstrumenten en het asymptomatische karakter van de vroege stadia van de ziekte dragen bij aan late diagnoses en beperkte behandelingsmogelijkheden. Een recente studie gepresenteerd tijdens de American Association for Cancer Research (AACR) Jaarlijkse Vergadering 2024 brengt echter hoopvol nieuws. Onderzoekers van het Johns Hopkins Kimmel Cancer Center hebben een op machine learning gebaseerde bloedtest ontwikkeld die veelbelovend is in het onderscheiden van patiënten met ovariumkanker van gezonde individuen of degenen met goedaardige ovariummassa’s.
De test combineert twee bekende biomarkers van ovariumkanker, de eiwitten CA125 en HE4, met een analyse van patroonfragmenten van celvrij DNA (cfDNA). Door de fragmenten over het gehele menselijke genoom zorgvuldig te analyseren, kunnen onderzoekers subtiele patronen detecteren die duiden op de aanwezigheid van kanker. Deze methode, genaamd DELFI (DNA Evaluatie van Fragmenten voor vroege Interceptie), is een nieuwe benadering gebaseerd op fragmentomics, een veelbelovende technologie voor vloeibare biopsie.
Vloeibare biopsietechnologieën, die tumorafgeleid DNA in het bloed analyseren, hebben potentieel getoond in niet-invasieve kankerdetectie. Ze zijn echter niet altijd effectief gebleken bij het detecteren van ovariumkanker. Fragmentomics daarentegen verbetert de nauwkeurigheid van deze tests door veranderingen in de grootte en distributie van cfDNA-fragmenten over het genoom te detecteren.
Hoofdonderzoeker Jamie Medina, Ph.D., legt uit dat kankercellen verschillende patronen van DNA-fragmenten in het bloed hebben in vergelijking met gezonde cellen vanwege hun snelle groei en chaotische genomen. De DELFI-test maakt gebruik van deze verschillen om de aanwezigheid van ovariumkanker te detecteren.
In de studie analyseerden onderzoekers fragmentomen van individuen met en zonder ovariumkanker met behulp van DELFI. Ze hebben een machineleeralgoritme getraind om de fragmentoomgegevens te integreren met de niveaus van CA125 en HE4-eiwitten in het plasma. Er zijn twee modellen ontwikkeld: een voor het screenen op ovariumkanker bij asymptomatische individuen en de andere voor het onderscheiden van goedaardige massa’s van kwaadaardige massa’s.
Het screeningsmodel behaalde indrukwekkende resultaten, met een specificiteit van meer dan 99% en het vermogen om respectievelijk 69%, 76%, 85% en 100% van ovariumkankers gevorderd tot fase I-IV te identificeren. De nauwkeurigheid, gemeten door het gebied onder de curve, was 0,97 over alle stadia.
Deze doorbraak biedt hoop voor een vroegtijdige detectie van ovariumkanker, en kan mogelijk levens redden. De combinatie van vloeibare biopsie-analyse en machineleeralgoritmen biedt een kosteneffectieve en toegankelijke benadering voor het screenen op ovariumkanker.
FAQ:
V: Wat is DELFI?
A: DELFI (DNA Evaluatie van Fragmenten voor vroege Interceptie) is een vloeibare biopsietechnologie die de grootte en distributie van celvrije DNA-fragmenten over het genoom analyseert om de aanwezigheid van kanker te detecteren.
V: Wat zijn CA125 en HE4?
A: CA125 en HE4 zijn eiwitten die bekende biomarkers zijn voor ovariumkanker. Hun niveaus in het bloed kunnen duiden op de aanwezigheid van de ziekte.
V: Hoe nauwkeurig is het screeningsmodel?
A: Het screeningsmodel behaalde een specificiteit van meer dan 99% en het vermogen om verschillende percentages van ovariumkankergevallen te identificeren, afhankelijk van hun stadium.
V: Hoe kan deze doorbraak de detectie van ovariumkanker beïnvloeden?
A: Deze doorbraak biedt een veelbelovende nieuwe benadering voor het screenen op ovariumkanker die kosteneffectief en toegankelijk is. Het heeft het potentieel om de vroegtijdige detectie en interventie te verbeteren, wat kan leiden tot betere behandelingsresultaten en een verhoogde overlevingskans.
Bronnen:
– Johns Hopkins Medicine: [insert bronlink indien beschikbaar]
The source of the article is from the blog qhubo.com.ni