Glioblastoma เป็นเนื้องอกในสมองที่ร้ายแรงที่สุด มันก้าวร้าวและถึงแก่ชีวิตอย่างรวดเร็ว โดยมีเวลาการอยู่รอดเฉลี่ยเพียง 15 เดือนหลังการวินิจฉัย ลักษณะทางพันธุกรรมของเซลล์ไกลโอบลาสโตมามีความแตกต่างกันอย่างมาก ซึ่งเป็นสาเหตุหนึ่งของการพยากรณ์โรคที่ไม่ดีโดยทั่วไป นอกจากนี้ยังหมายความว่าความก้าวหน้าของโรคและการตอบสนองต่อการรักษาอาจแตกต่างกันอย่างมากระหว่างผู้ป่วย
ขณะนี้กลุ่มนักวิจัยจากCase Western
Reserve Universityได้พัฒนาแบบจำลองที่เชื่อมโยงคุณสมบัติของ radiomics กับชีววิทยาเนื้องอก สิ่งนี้สามารถปรับปรุงความแม่นยำในการพยากรณ์โรคได้อย่างมากและช่วยในการออกแบบการรักษาเฉพาะผู้ป่วยสำหรับ glioblastoma ( Clin. Cancer Res. 10.1158/1078-0432.CCR-19-2556 )
การแสดงออกของยีนเป็นเครื่องมือพยากรณ์โรค
ในช่วงไม่กี่ปีที่ผ่านมา นักวิจัยได้ระบุเครื่องหมายทางพันธุกรรมที่มีลักษณะเฉพาะหลายอย่างในเนื้องอกไกลโอบลาสโตมาซึ่งส่งผลต่อการพยากรณ์โรค เครื่องหมายเหล่านี้สามารถใช้เป็นตัวทำนายเวลาการอยู่รอดของผู้ป่วยหรือแม้กระทั่งเพื่อคาดการณ์ว่าการรักษาใดที่ผู้ป่วยมีแนวโน้มที่จะตอบสนองได้ดีมากที่สุด อย่างไรก็ตาม การค้นพบโปรไฟล์ยีนของเนื้องอกนั้นจำเป็นต้องมีการตรวจชิ้นเนื้อ ซึ่งเป็นขั้นตอนการบุกรุกที่มีความเสี่ยงในตัวเอง
MRI เป็นวิธีที่ไม่รุกรานในการวิเคราะห์
เนื้องอกและบริเวณโดยรอบ โดยใช้วิธี radiomics ดึงข้อมูลภาพที่เรียกว่า “คุณสมบัติ” ที่ยากหรือเป็นไปไม่ได้ที่จะตรวจพบด้วยตาเปล่า กลุ่มที่นำโดยPallavi Tiwariได้พัฒนาแบบจำลองการพยากรณ์โรคโดยพิจารณาจากคุณลักษณะของคลื่นวิทยุ MRI ก่อนการรักษา และที่สำคัญเชื่อมโยงคุณลักษณะที่ใช้ในแบบจำลองนี้กับกระบวนการทางชีววิทยาในเนื้องอก ด้วยวิธีนี้ นักวิจัยไม่เพียงแต่แสดงให้เห็นว่าแบบจำลองของพวกเขาสามารถทำนายการอยู่รอดได้ แต่พวกเขายังอธิบายด้วยว่าเหตุใดจึงเป็นเช่นนั้น
Niha Baig และ Pallavi Tiwari
ผู้เขียนคนแรก Niha Beig (ซ้าย) และหัวหน้ากลุ่ม Pallavi Tiwari
Tiwari และเพื่อนร่วมงานสร้างแบบจำลองโดยใช้ชุดภาพ MR ก่อนการรักษาของผู้ป่วย 130 ราย สำหรับแต่ละสิ่งเหล่านี้ พวกเขาแยกคุณลักษณะของ radiomics 2850 รายการและในที่สุดก็ระบุ 25 รายการเป็นการพยากรณ์โดยเฉพาะอย่างยิ่งการรอดชีวิตที่ปราศจากความก้าวหน้าของผู้ป่วย คุณสมบัติเหล่านี้อธิบายคุณสมบัติของภาพ เช่น “รูปแบบคลื่น ระลอกคลื่น และจุดเหมือน” ผู้เขียนอธิบาย หรือความกลมของอาการบวมน้ำ (บวม) รอบเนื้องอก พวกเขารวมคุณลักษณะเหล่านี้เป็นแบบจำลองเพื่อคำนวณคะแนนความเสี่ยงจากรังสี (RRS) และตรวจสอบความสามารถในการพยากรณ์โรคของแบบจำลองในกลุ่มผู้ป่วยอิสระ
ทีมงานของ Tiwari ได้แสดงให้เห็นว่าคุณสมบัติของสารกัมมันตภาพรังสีเหล่านี้สัมพันธ์กับการแสดงออกของยีนบางอย่างในเนื้องอก ยีนเหล่านี้ควบคุมกระบวนการทางชีววิทยา เช่น อัตราการแบ่งเซลล์หรือการเติบโตของหลอดเลือดใหม่เพื่อขนส่งสารอาหารไปยังเนื้องอก ด้วยวิธีนี้ นักวิจัยได้สร้างความสัมพันธ์โดยตรงระหว่างคุณลักษณะของ radiomics กับกระบวนการทางชีววิทยาที่นำไปสู่การลุกลามของโรค
สู่การรักษาเฉพาะบุคคล
แม้จะเป็นมะเร็งสมองขั้นต้นที่พบได้บ่อยที่สุด glioblastoma ยังคงเป็นโรคที่ค่อนข้างหายาก การรวบรวมผู้ป่วยให้เพียงพอสำหรับการศึกษาเช่นนี้อาจใช้เวลานานในสถาบันเดียว Tiwari และเพื่อนร่วมงานของเธอหลีกเลี่ยงปัญหานี้โดยใช้ชุดข้อมูลโอเพนซอร์ซจากCancer Imaging ArchiveและIvy Glioblastoma Atlas Projectนอกเหนือจากข้อมูลจากสถาบันที่ร่วมมือกันอย่าง คลีฟ แลนด์คลินิก ความพยายามในการรวบรวมข้อมูลเช่นนี้มีความจำเป็นสำหรับการสร้างแบบจำลองการพยากรณ์โรคที่เข้มแข็งยิ่งขึ้น
ในอนาคต กลุ่มจะทำงานเพื่อขยายความสัมพันธ์ของภาพที่พบว่าเป็นการพยากรณ์การรอดชีวิตโดยรวม และแสดงให้เห็นว่าแบบจำลอง RRS สามารถทำนายการตอบสนองต่อเคมีบำบัดโดยเฉพาะได้ Tiwari กล่าว “สิ่งนี้อาจมีผลกระทบทางคลินิกอย่างมากในแง่ของการระบุผู้ป่วย glioblastoma ที่อาจไม่ตอบสนองต่อการรักษาด้วยเคมีบำบัด และอาจเหมาะสมกว่าสำหรับการรักษาที่ขับเคลื่อนด้วยจีโนมเพื่อปรับปรุงคุณภาพชีวิตตลอดจนเวลารอดชีวิตโดยรวม” เธออธิบาย
ที่นี่เช่นกัน กลศาสตร์ควอนตัมเสนอวิธีแก้ปัญหา: ชาร์ลีเปรียบเทียบโพลาไรเซชันโดยไม่ทราบค่าเฉพาะของพวกมัน “ชาร์ลีวัดโฟตอนทั้งสองและพูดว่า ‘พวกนี้เหมือนกัน’ หรือ ‘สิ่งเหล่านี้ต่างกัน’” Machielse อธิบาย “อลิซและบ็อบพูดว่า ‘ฉันรู้ว่าโฟตอนที่ฉันส่งไป’ และ ‘ชาร์ลีบอกฉันว่าโฟตอนของเราเหมือนกันหรือ แตกต่าง’.” ซึ่งจะรักษาความปลอดภัยของการสื่อสารแม้ในลิงก์ที่ไม่ปลอดภัย
การวัดพร้อมกันปัญหาอย่างหนึ่งของเทคโนโลยีในปัจจุบันคือในการเปรียบเทียบอย่างปลอดภัย ชาร์ลีต้องรับโฟตอนจากอลิซและบ็อบไปพร้อม ๆ กัน ซึ่งไม่ค่อยเกิดขึ้น นักวิจัยจึงพยายามพัฒนาหน่วยความจำควอนตัมที่ช่วยให้ชาร์ลีเก็บสถานะควอนตัมของโฟตอนที่เขาได้รับโดยไม่ต้องวัด Machielse กล่าวว่า “ผู้คนใช้ความทรงจำตั้งแต่อะตอมและไอออนที่ติดอยู่ จุดควอนตัม จุดบกพร่องต่างๆ ในเพชร อย่างที่คุณบอกมา” อย่างไรก็ตาม สิ่งเหล่านี้ไม่ได้ปรับปรุงให้ดีขึ้นกว่าสิ่งที่สามารถทำได้โดยการแลกเปลี่ยนโฟตอนโดยตรง
ในงานวิจัยชิ้นใหม่ Machielse และเพื่อนร่วมงานได้สร้างหน่วยความจำโดยใช้ซิลิคอน vacancy center (Si-V) ในเพชร Si-V เป็นข้อบกพร่องที่เกิดขึ้นเมื่ออะตอมของคาร์บอนสองอะตอมในโครงตาข่ายเพชรถูกแทนที่ด้วยอะตอมซิลิกอนหนึ่งอะตอม ทำให้เกิดการหมุนควอนตัมที่แยกออกจากสิ่งแวดล้อมและสามารถวัดได้โดยใช้แสงเลเซอร์และคลื่นไมโครเวฟ
ทีมงานได้วาง Si-V ไว้ในโพรงนาโนโฟโตนิกที่อุณหภูมิเย็นจัด การหมุนของ Si-V สามารถพลิกได้โดยการดูดซับโฟตอนความยาวคลื่น 737 นาโนเมตร หากสถานะการหมุนของ Si-V ไม่เปลี่ยนแปลงหลังจากดูดซับโฟตอนสองโฟตอน ชาร์ลีรู้ว่าโฟตอนทั้งสองมีโพลาไรเซชันเหมือนกัน ถ้าสถานะถูกพลิก โพลาไรเซชันจะต้องตรงกันข้าม อย่างไรก็ตาม สิ่งที่สำคัญอย่างยิ่งคือ ชาร์ลีไม่รู้จักโพลาไรเซชันของโฟตอนทั้งสองแบบ
Credit : saglikpersoneliplatformu.com sanatorylife.com semperfidelismc.com shopcoachfactory.net skyskraperengel.net
