How To Detect Lung Cancer – Radiografía digital de tórax de un paciente con adenocarcinoma primario. Sin la ayuda del software DCNN, tres lectores interpretaron esto como una radiografía de tórax normal. Con la sugerencia de DCNN (círculo punteado), todos los lectores pueden identificar el nodo correcto (círculo amarillo). La TC axial reveló una masa sólida de 25 mm. (Gracias: RSNA)
Una radiografía de tórax es la prueba de imagen más común utilizada para detectar el cáncer de pulmón. Sin embargo, el tamaño, la densidad y la ubicación de las lesiones pulmonares dificultan su detección en una radiografía de tórax. Recientemente, se han desarrollado métodos de aprendizaje automático para mejorar la precisión del diagnóstico, con redes neuronales convolucionales profundas (DCNN) que se muestran prometedoras para la interpretación de radiografías de tórax.
How To Detect Lung Cancer
La investigación de cuatro centros médicos en tres continentes ahora muestra que el software DCNN mejora la detección de cáncer de pulmón maligno en las radiografías de tórax por parte de los radiólogos (
Understanding Lung Cancer
“La sensibilidad promedio de los radiólogos aumentó en un 5,2 % al revisar las radiografías con un software de aprendizaje profundo”, dijo Byeong Wook Choi, de la Facultad de Medicina de la Universidad de Yonsei en Seúl, Corea. “Al mismo tiempo, disminuye el número de falsos positivos por imagen.
En un estudio multicéntrico, dos radiólogos seleccionaron al azar 800 radiografías de tórax de cuatro centros médicos, incluidas 200 radiografías de tórax normales y 600 imágenes con 1 a 3 nódulos pulmonares malignos, confirmados por TC o examen patológico. Una exploración de cáncer de pulmón reveló 704 nódulos malignos confirmados (78,6% cáncer de pulmón primario y 21,4% metástasis), más de la mitad entre 1 y 2 cm y el resto entre 2 y 3 cm.
Luego, un equipo separado de tres radiólogos de cada institución interpretó 800 radiografías. El grupo estaba formado por tres radiólogos de tiempo completo, cuatro radiólogos de tórax con cinco años de experiencia y cinco con más de 10 años de experiencia. Los lectores analizaron de forma independiente sus radiografías centrales sin información clínica, radiografías previas o tomografías computarizadas.
El radiólogo vuelve a leer la misma radiografía con la ayuda del software DCNN capacitado para detectar nódulos pulmonares. En promedio, DCNN tarda 4,8 segundos en procesar una radiografía. Cuando el software analizó las radiografías de forma independiente, la sensibilidad general y los resultados falsos positivos para cada imagen fueron del 67,3 % y 0,2, respectivamente.
Breakthrough Study Finds Ct Scanning Can Detect Most Lung Cancer Cases Early
Con la ayuda del software DCNN, la sensibilidad promedio de los radiólogos para la detección de nódulos aumentó del 65,1 % al 70,3 %. El número de falsos positivos por radiografía se redujo de 0,2 a 0,18 cuando los radiólogos volvieron a examinar las radiografías con el software DCNN. Esta tendencia es independiente de la experiencia del lector, las características del nódulo o el proveedor del sistema radiográfico.
El uso del software DCNN resultó en un cambio positivo (falso negativo a verdadero positivo o falso positivo a verdadero negativo) en 104 de 2400 radiografías. Pero en 54 casos, la decisión se vio afectada negativamente después de usar el software.
“El software de detección de nódulos pulmonares asistido por computadora no es ampliamente aceptado ni utilizado debido a su alta tasa de falsos positivos, aunque ofrece una sensibilidad relativamente alta”, dijo Choi. “DCNN puede ser una solución para reducir el número de falsos positivos”.
Lea el primer artículo en Avances en ingeniería biomédica La investigación más emocionante e importante en ingeniería biomédica A pesar de los avances en el tratamiento del cáncer de pulmón, la enfermedad sigue siendo una carga importante para la salud mundial con tasas de supervivencia que no han mejorado significativamente durante décadas. La reducción de la mortalidad mediante la detección con TC helicoidal de dosis baja (LDCT) para seleccionar pacientes de alto riesgo es cuestionada por la alta tasa de falsos positivos de este método de detección y la morbilidad potencial asociada con la evaluación diagnóstica posterior en pacientes de alto riesgo. por. Complicaciones iatrogénicas. La confusión diagnóstica de un nódulo indeterminado detectado incidentalmente en el diagnóstico o en la exploración por TC ha creado la necesidad de biomarcadores fiables que puedan diferenciar la enfermedad benigna de la maligna. Además, existe la necesidad de desarrollar biomarcadores moleculares para complementar el modelo de riesgo clínico para identificar a los pacientes con mayor riesgo de cáncer de pulmón en etapa temprana que pueden beneficiarse enormemente de la detección con LDCT, así como para identificar a los pacientes de alto riesgo. . Para desarrollar cáncer de pulmón, puede ser candidato para nuevas estrategias quimiopreventivas. Los nuevos métodos bioinformáticos y la aplicación de estos algoritmos al análisis de alteraciones transcriptómicas asociadas con el cáncer de pulmón prometen descubrimientos traslacionales que pueden cerrar esta gran brecha clínica. La detección de cáncer de pulmón asociado con alteraciones transcriptómicas en sitios de muestreo de tejido de fácil acceso ofrece potencial para el desarrollo de estrategias de estratificación de riesgo y diagnóstico temprano aplicables a poblaciones más grandes. Esta revisión resume los desafíos de la detección temprana, la detección y la quimioprevención del cáncer de pulmón con énfasis en cómo la información genómica empaquetada en el transcriptoma puede facilitar futuros descubrimientos en estos entornos clínicos.
Lung Cancer Symptom: Palpitations May Signal A Tumour Is Putting Pressure On The Heart
Si desea reutilizar alguno o todos estos artículos, utilice el enlace a continuación, que lo llevará al Centro de autorización de RightsLink. Puede obtener precios rápidos y permisos instantáneos para reutilizar el contenido de muchas maneras diferentes.
Reducir la mortalidad por cáncer de pulmón ha demostrado ser un desafío, con una tasa de supervivencia general a 5 años de solo 16,8 %.1 La carga de salud pública e individual del cáncer de pulmón ha llevado a esfuerzos innovadores para abordar los desafíos de esta enfermedad. Aunque se ha logrado un gran progreso en la identificación de una terapia farmacológica eficaz y dirigida para la última etapa de esta enfermedad, las estrategias para detectar la enfermedad en una etapa más temprana pueden influir aún más en el resultado de la enfermedad. El Estudio Nacional de Detección de Pulmón (NLST) demostró una reducción en la mortalidad general y por cáncer de pulmón mediante la detección con TC helicoidal de dosis baja (LDCT). Alterando la progresión natural de la enfermedad. Sin embargo, la implementación generalizada de esta estrategia aún enfrenta el desafío de las pruebas positivas falsas y el riesgo de evaluar a las personas para realizar más estudios. 3 Un área adicional de preocupación con el enfoque de detección basado en imágenes radica en el alto potencial de diagnóstico de la intolerancia. Una gran proporción de personas con la enfermedad y otros factores de riesgo de cáncer de pulmón (p. ej., antecedentes familiares, exposición ocupacional, enfermedad pulmonar obstructiva) no cumplen con los criterios de detección actuales. Estas observaciones resaltan la necesidad de herramientas de diagnóstico efectivas que puedan distinguir la enfermedad maligna de la benigna y las lesiones indolentes de las agresivas. Además, no existe una necesidad clínica de mejorar la cuantificación del riesgo de cáncer de pulmón para estrategias de detección y quimioprevención mejor adaptadas.
La tecnología de perfiles moleculares de alto rendimiento combinada con algoritmos computacionales emergentes tiene el potencial de abordar estos desafíos clínicos a través del desarrollo de biomarcadores para la detección del cáncer de pulmón, la estratificación del riesgo y la quimioprevención. Desentrañar la heterogeneidad de la carcinogénesis pulmonar es un desafío para este enfoque, ya que se producen muchos cambios genéticos, epigenéticos, transcriptómicos y proteómicos en respuesta al tabaquismo y en los tumores de pulmón. Predecir con precisión el cáncer de pulmón relacionado con el entorno genético y el riesgo de cáncer de pulmón con factores clínicos en una etapa temprana puede ayudar a superar este obstáculo al identificar a las personas en riesgo de cáncer de pulmón y enfocarse con mayor precisión en la terapia quimiopreventiva. base personal. Modelos de susceptibilidad molecular.
La aplicación clínica final de los biomarcadores para la detección temprana del cáncer de pulmón y la estratificación del riesgo depende de la capacidad de recolectar muestras biológicas relevantes para la enfermedad de manera segura y sencilla. Debido a que el tejido pulmonar es relativamente inaccesible, excepto a través de procedimientos invasivos, las muestras biológicas menos invasivas, como la recolección de orina y aliento exhalado, son alternativas atractivas. la enfermedad puede afectar los cambios moleculares en este compartimento. El esputo y la saliva son de particular interés debido a la exposición directa al tabaco, el contacto directo con el tracto respiratorio y la disponibilidad de muestras de estos biofluidos. La sangre periférica también es una muestra biológica potencial para el desarrollo de biomarcadores, ya que circula por todo el cuerpo, incluido el pulmón, y refleja patrones asociados con el cáncer de pulmón, pero la sensibilidad de los cambios en este componente está relativamente diluida debido a la falta de especificidad pulmonar. . Un reto significativo. Por el contrario, el epitelio de las vías respiratorias que se puede muestrear mediante broncoscopia o cepillado nasal representa una muestra biológica relativamente no invasiva que tiene el potencial de proporcionar información molecular sobre las respuestas fisiológicas individuales y el daño causado por el humo del tabaco y otras toxinas inhaladas. Cáncer de pulmón.5
Exploiting A Unique Organotypic Model Of Bronchial Dysplasia To Improve The Early Detection Of Lung Cancer
Aunque existen muchos biomarcadores genéticos, genómicos y proteómicos, este tipo de biomuestras desarrolladas para la detección temprana del cáncer de pulmón, 4,6,7 algunas han sido validadas en grandes estudios prospectivos en un entorno clínico donde se aplica la prueba. . El perfil proteómico es una forma atractiva de diseñar biomarcadores porque las proteínas son moléculas que influyen en el fenotipo; Sin embargo, la tecnología para medirlo con precisión de manera de alto rendimiento es limitada en comparación con la tecnología de ácido nucleico. El perfil genético del tejido tumoral de pulmón ha llevado a la identificación de mutaciones somáticas con implicaciones pronósticas y terapéuticas, pero no se ha demostrado que este marcador mejore la detección temprana del cáncer de pulmón, la identificación de pacientes en riesgo o la estratificación de pacientes para terapia quimiopreventiva. tratamiento La medición de la expresión de ARN ofrece varias ventajas sobre otros métodos para identificar biomarcadores clínicamente útiles, que incluyen (1) la disponibilidad de una plataforma de creación de perfiles robusta, rentable y reproducible;
How to detect prostate cancer, how to detect testicular cancer, how to detect ovarian cancer, colon cancer metastasis to lung, how to detect cervical cancer, how to detect breast cancer, how is lung cancer diagnosed, how to detect colon cancer, how to detect cancer early, how to prevent lung cancer, how to detect skin cancer, blood tests to detect cancer
