تاریخ انتشار: دوشنبه 14 آذر 1401
روشی نوین در تشخیص سرطان کبد
یادداشت

  روشی نوین در تشخیص سرطان کبد

هوش مصنوعی با استفاده از DNAهای جداشده از سلول‌های سرطانی، راه را برای تشخیص سرطان سلول‌های کبدی (HCC)، هموار ‌می‌کند.
امتیاز: Article Rating

به گزارش پایگاه اطلاع رسانی بنیان، کارسینوم هپاتوسلولار (HCC) یکی از شایع‌ترین سرطان‌ها و یکی از علل اصلی مرگ و میر در سراسر جهان است. بیش از 75 درصد بیماران HCC از نظر علت با عفونت مزمن هپاتیت B (HBV) در منطقه آسیا و اقیانوسیه مرتبط هستند. غربالگری افراد در معرض خطر، از جمله مبتلایان به سیروز و هپاتیت ویروسی، راهی برای بهبود بقا فراهم می‌کند، اما روش‌های غربالگری فعلی ناکافی هستند.

روش‌های مرسوم تشخیص

روش‌های درمانی، از جمله جراحی و فرسایش با فرکانس رادیویی، اصلی‌ترین راه‌های درمانی برای بیماران HCC در مراحل اولیه است. بنابراین، شناسایی بیومارکرهای پیش آگهی برای هدایت تصمیمات درمانی، به ویژه در بیمارانی که درمان‌های رادیکال دارند، از اهمیت اولیه برخوردار است. در حال حاضر، برخی از نشانگرهای زیستی جدید، مانند miR-181a-5p7 و VEGFA،8 به عنوان شاخص‌های پیش‌آگهی بالقوه بیماران HCC گزارش شده‌اند. با این حال، این نشانگرهای زیستی هنوز برای کاربردهای بالینی نیاز به اعتبار بیشتر دارند. تا به امروز، تنها نشانگر زیستی مبتنی بر خون در دسترس بالینی برای نظارت بر HCC، آلفا فتوپروتئین (AFP) است، در حالی که کاربرد بالینی آن به دلیل حساسیت و اختصاصیت کم به شدت محدود شده است.

روش نوین DELFI

یک فناوری جدید آزمایش‌خون هوش‌مصنوعی که توسط محققان مرکز سرطان جانز هاپکینز کیمل برای تشخیص موفقیت‌آمیز سرطان ریه در مطالعه‌ای در سال 2021 ساخته و استفاده شد، اکنون بیش از 80 درصد سرطان‌های کبد را در یک مطالعه جدید روی 724 نفر شناسایی کرده است. آزمایش خون، به نام DELFI (ارزیابی DNA قطعات برای رهگیری اولیه) تغییرات تکه تکه شدن بین DNA از سلول‌های سرطانی ریخته شده به جریان خون را تشخیص می‌دهد که به عنوان DNA بدون سلول (cfDNA) شناخته می‌شود. DNA بدون سلول (cfDNA) در بیماران تومور حاوی DNA تومور در گردش تکه تکه شده، که حاوی اطلاعات جامع پروفایل‌های ژنوم تومور، مانند متیلاسیون‌ها، جهش‌های نقطه‌ای، و تغییرات تعداد کپی (CNVs) است، می‌تواند به‌عنوان منبع جایگزین استفاده شود. مطالعات متعددی با ارزیابی وضعیت متیلاسیون و جهش‌های نقطه‌ای آن، نوید قابل توجه cfDNA را به‌عنوان نشانگر زیستی جدید برای HCC گزارش کرده‌اند. سنجش مبتنی بر این روش، تنها بخش کوچکی از جهش‌ها، هم در بافت تومور و هم در پلاسما ارائه می‌شوند که تا حد زیادی مانع از کاربرد بالینی آن‌ها می‌شود. در جدیدترین مطالعه، محققان از فناوری DELFI بر روی نمونه‌های پلاسمای خون به‌دست‌آمده از 724 فرد در ایالات متحده، اتحادیه اروپا (E.U.) و هنگ کنگ برای تشخیص سرطان سلول‌های کبدی (HCC)، یک نوع سرطان کبد، استفاده کردند. محققان بر این باورند که این اولین تجزیه و تحلیل تکه تکه شدن ژنوم است که به طور مستقل در دو جمعیت پرخطر و در بین گروه‌های نژادی و قومی مختلف با علل مختلف مرتبط با سرطان کبد آنها تایید شده است. بر اساس تجزیه و تحلیل جهانی از میزان بیماری کبد، تخمین زده می‌شود که 400 میلیون نفر در سراسر جهان به دلیل سیروز ناشی از بیماری‌های مزمن کبدی از جمله هپاتیت ویروسی مزمن یا بیماری کبد چرب غیر الکلی در معرض خطر بالاتر ابتلا به HCC هستند.

جامعه آماری مطالعه

طبق گفته مدیر برنامه ژنتیک و اپی ژنتیک سرطان در این مطالعه، افزایش تشخیص زودهنگام سرطان کبد می‌تواند جان انسان‌ها را نجات دهد، اما در حال حاضر آزمایش‌های غربالگری موجود کمتر مورد استفاده قرار می‌گیرند و همچنین توانایی تشخیص بسیاری از سرطان‌ها را از دست می‌دهند. این مطالعه شامل نمونه ‌هایی از 75 نفر مبتلا به HCC برای آموزش و اعتبارسنجی مدل یادگیری ماشینی است، نوعی هوش مصنوعی که از داده‌ها و الگوریتم‌ها برای بهبود دقت استفاده می‌کند. برای اعتبارسنجی، 223 نمونه پلاسما اضافی از افراد در هنگ کنگ مورد تجزیه و تحلیل قرار گرفت و شامل نمونه‌هایی از 90 نفر مبتلا به HCC، 66 نفر مبتلا به ویروس هپاتیت B (HBV)، 35 نفر مبتلا به سیروز کبدی مرتبط با HBV و 32 نفر بدون عوامل خطر زمینه ای بود. فناوری DELFI از یک آزمایش خون برای اندازه‌گیری نحوه بسته‌بندی DNA در داخل هسته سلول با مطالعه اندازه و مقدار DNA بدون سلول موجود در گردش خون از مناطق مختلف ژنوم استفاده می‌کند. سلول‌های سالم DNA را مانند یک چمدان منظم بسته بندی می‌کنند که در آن نواحی مختلف ژنوم با دقت در محفظه‌های مختلف قرار می‌گیرند. در مقابل، هسته‌های سلول‌های سرطانی مانند چمدان‌های بی‌نظم‌تری هستند که اقلامی از سراسر ژنوم به‌طور تصادفی در آن پرتاب می‌شوند. هنگامی که سلول‌های سرطانی می‌میرند، قطعات DNA را به شیوه ای آشفته در جریان خون آزاد می‌کنند. DELFI وجود سرطان را با بررسی میلیون‌ها قطعه cfDNA برای الگوهای غیر طبیعی، از جمله اندازه و مقدار DNA در مناطق مختلف ژنومی، شناسایی می‌کند.

مزایای روش DELFI 

به گفته محققان، رویکرد DELFI تنها به توالی‌یابی با پوشش کم نیاز دارد، که این فناوری را قادر می‌سازد در یک محیط غربالگری مقرون‌به‌صرفه باشد. در جدیدترین مطالعه، محققان این آزمایش را بر روی قطعات cfDNA جدا شده از نمونه‌های پلاسما انجام دادند که قبلا نشان داده شده بود سرطان ریه را به طور دقیق طبقه بندی می‌کند. آنها الگوهای تکه تکه شدن در هر نمونه را برای ایجاد امتیاز DELFI تجزیه و تحلیل کردند. نمرات برای افراد بدون سرطان مبتلا به هپاتیت ویروسی یا سیروز کم بود (متوسط ​​امتیاز DELFI به ترتیب 0.078 و 0.080 بود)، اما به طور متوسط ​​برای 75 بیمار HCC در ایالات متحده/E.U، 5 تا 10 برابر بیشتر بود. نمونه‌ها، با نمرات بالا در تمام مراحل سرطان، از جمله بیماری در مراحل اولیه (نمرات DELFI برای مرحله 0 = 0.46، مرحله A = 0.61، مرحله B = 0.83، و مرحله C = 0.92).

علاوه بر این، این آزمایش تغییرات تکه تکه شدن را در محتوا و بسته بندی ژنوم‌های سرطان کبد، از جمله از مناطق ژنوم مرتبط با فعالیت خاص کبد، شناسایی کرد. فناوری DELFI سرطان‌های کبد را در مراحل اولیه تشخیص داد، با حساسیت کلی  یا توانایی تشخیص دقیق سرطان - 88٪ و اختصاصیت 98٪، به این معنی که تقریباً هرگز به طور نادرست نتیجه مثبت کاذب را در بین افراد به طور متوسط ارائه نکرد. در نمونه‌های جمع‌آوری‌شده از افراد در معرض خطر بالای HCC، آزمون 85 درصد حساسیت و 80 درصد اختصاصیت داشت. در حال حاضر، کمتر از 20 درصد از جمعیت پرخطر به دلیل دسترسی و عملکرد غیربهینه آزمایش، برای سرطان کبد غربالگری می‌شوند. طبق گفته محققان، این آزمایش خون جدید می‌تواند تعداد موارد سرطان کبد شناسایی شده را در مقایسه با آزمایش خون استاندارد موجود دو برابر کند و افزایش دهد. محققان می‌گویند گام‌های بعدی شامل تایید این رویکرد در مطالعات بزرگتر برای استفاده بالینی است. به گفته انجمن سرطان آمریکا، سالانه بیش از 800000 نفر در سراسر جهان به سرطان کبد مبتلا می‌شوند و این یکی از دلایل اصلی مرگ و میر ناشی از سرطان در سراسر جهان است.

پایان مطلب/

 

ثبت امتیاز
نظرات
در حال حاضر هیچ نظری ثبت نشده است. شما می توانید اولین نفری باشید که نظر می دهید.
ارسال نظر جدید

تصویر امنیتی
کد امنیتی را وارد نمایید:

کلیدواژه
کلیدواژه