مطالعه جدید UT مctiveثر بودن درمان سرطان پستان را پیش بینی می کند



اوستین (KXAN)-دکتر توماس یانکلیف از دانشگاه تگزاس در آستین ممکن است در زمینه تحقیقات سرطان تخصص داشته باشد ، اما تجزیه و تحلیل عمیق یک کتاب هواشناسی 10 سال پیش یک مطالعه جدید را برای تشخیص اثربخشی درمان سرطان پستان در بیماران الهام بخشید. به به

قبل از اینکه ریاضیات و فیزیک برای تحقیقات هواشناسی در نظر گرفته شوند ، این زمینه به مطالعه محیط و تغییرات آن متکی بود. یانکیلوف گفت که او به دنبال ادغام تحقیقات ریاضی در انکولوژی برای خدمت بهتر به بیماران سرطانی است.

او گفت: “ایده این بود که یک مدل پیش بینی ریاضی بسازیم که می تواند برای تک تک بیماران اعمال شود.” “ما سعی می کنیم این مدل های ریاضی را بسازیم که فیزیک و بیولوژی بنیادی سرطان و نحوه رشد ، تهاجم و پاسخ به درمان را توصیف می کند.”

این عامل محرک تحقیقات جدید است که می تواند اثر درمان های مختلف سرطان ، مانند شیمی درمانی ، هورمون درمانی و ایمونوتراپی را در بیماران پس از یک چرخه درمانی تعیین کند.

این مطالعه با همکاری موسسه Oden برای مهندسی محاسبات در UT Austin ، Dell Med ، موسسات سرطان Livestrong در Texas Oncology و گروه مهندسی پزشکی در مرکز پزشکی Dell Seton و مدرسه Cockrell توسعه یافته است.

هنگامی که بیمار برای اولین بار تشخیص داده می شود ، محققان قبل از شروع درمان ، وضعیت فعلی سرطان را در بدن ارزیابی می کنند. این اندازه گیری ها قبل از شروع درمان به عنوان پایه عمل می کنند.

پس از یک دوره درمان ، که بسته به رژیم درمانی بین 7 تا 21 روز متغیر است ، محقق اقدام دوم را برای تایید میزان موفقیت و پیش بینی اینکه آیا بیمار باید با این نوع درمان خاص ادامه دهد ، انجام می دهد.

تا کنون ، دقت بسیار بالا است.

وی گفت: “با استفاده از این دو نقطه زمانی ، ما حدود 88 درصد دقت را در زمانی که می توانیم پیش بینی کنیم چه کسی پاسخ می دهد و چه کسی پاسخ نمی دهد ، دریافت می کنیم.”

“این قطعاً دیدگاه مردم در مورد سرطان را تغییر می دهد.”

دکتر توماس یانیکلوف ، متخصص مغز و اعصاب کامپیوتر ، مدیر مرکز سرطان شناسی رایانه ، دانشگاه تگزاس در آستین

از آنجا ، تیم یانکلیف به دنبال گسترش مطالعاتی است که اثربخشی پاسخ بیمار به درمان را قبل از شروع درمان پیش بینی می کند. این رویکرد این مدل پیش بینی سرطان شناسی را با ترکیب بیولوژیکی فرد بیمار و رشد فعلی سرطان ترکیب می کند تا قبل از گذراندن زمان دریافت آن درمان ، اثربخشی گزینه های مختلف درمانی را پیش بینی کند.

“ما یک نمایش گذشته نگر انجام دادیم که می توانیم از این تکنیک برای پیش بینی های دقیق در مورد اینکه چه کسی پاسخ می دهد و چه کسی پاسخ نمی دهد استفاده کنیم. در حال حاضر ، مرحله بعدی این است: “خوب ، آیا ما واقعاً به این موضوع اعتماد داریم و آیا در واقع درمان بیمار را تغییر می دهد؟” یانگکیلوف گفت. “زیرا اگر بتوانید پیش بینی کنید چه کسانی با حدود 88 درصد احتمال پاسخ صحیح نمی دهند ، انگیزه خوبی دارید که بگویید: “خوب ، ما باید از این رژیم درمانی خارج شویم.”

یک تیم تحقیقاتی در م Instituteسسه اودن این تجزیه و تحلیل را انجام داد و با آنکولوژی تگزاس و انجمن رادیولوژی آستین همکاری کرد تا به بیماران انکولوژی در مراکز درمانی سرطان در جامعه خدمات رسانی کند.

اکثر بیماران تحت درمان در مراکز تحقیقاتی قرار نمی گیرند. یانکیلوف اظهار امیدواری کرد که این همکاری اجتماعی ، همراه با آگاهی بیشتر از تحقیقات ، به توسعه خط لوله موضوعی پژوهشی موسسه اودن و پیشبرد تحقیقات کمک کند.

هنگامی که یانکلیف تحقیقات خود را ده سال پیش آغاز کرد ، گفت که ریاضیات به طور گسترده ای در تحقیقات سرطان مورد استفاده قرار نمی گیرد. حالا او می گوید از علاقه روزافزون به سرطان شناسی محاسباتی و پیشرفت بیماران سرطانی الهام گرفته است.

وی افزود: “این قطعاً طرز تفکر مردم در مورد سرطان را تغییر می دهد.” “اگر افرادی را با زمینه های مختلف به ارمغان بیاورید ، تجربیات و تخصص متفاوتی خواهید داشت. وادار کردن آنها به صحبت کردن با یکدیگر می تواند شما را در مسیر جدیدی قرار دهد.” . “

دیدگاهتان را بنویسید