Le informazioni contenute in questo sito sono destinate in via esclusiva agli operatori professionali della sanità in conformità all'art. 21 del D.Lgs. 24 febbraio 1997, n. 46 s.m.i e alle Linee Guida del Ministero della Salute del 17 febbraio 2010 e successivo aggiornamento del 18 marzo 2013. AccettoMaggiori informazioni

8 settembre 2016

Sviluppo di sistemi automatizzati per la prognosi del carcinoma polmonare non a piccole cellule con elevata accuratezza

350_Carcinoma polmonare

E’ noto come il progresso in campo tecnologico faciliti sempre più la nostra vita quotidiana, sia nella sfera privata che sul posto di lavoro. Lo sviluppo di questo processo di automatizzazione potrebbero condurre presto anche alla creazione di strumentazioni autonome, in grado di valutare le analisi dei pazienti senza bisogno della verifica di uno specialista. Il carcinoma del polmone è il più diffuso tra i carcinomi in tutto il mondo. In un report pubblicato di recente su Nature Communications è stato dimostrato che è possibile “insegnare” ad un computer come analizzare le immagini istopatologiche su vetrino colorate con ematossilina-eosina di pazienti con carcinoma polmonare non a piccole cellule. Lo studio è stato condotto valutando 2186 campioni di pazienti registrati nel The Cancer Genome Atlas e 294 immagini dallo Stanford Tissue Microarray Database. Dopo aver identificato 9879 caratteristiche quantitative nei campioni, sono state selezionate quelle che con maggiore probabilità permettevano di distinguere i pazienti con un’aspettativa di vita più breve rispetto a quelli che invece avevano un’aspettativa di vita più lunga. “L’apprendimento” delle caratteristiche dei due gruppi da parte della macchina ha permesso di esprimere quindi una prognosi che è risultata predittiva per i singoli casi. Questi risultati aprono una nuova frontiera contribuendo all’oncologia della precisione e prospettano la possibilità che questa metodologia possa essere applicata anche ad altri carcinomi.

Predicting non-small cell lung cancer prognosis by fully automated microscopic pathology image features

K.H. Yu et al.

Nature Communications, Aug 2016

www.nature.com

Articoli correlati