.
Pesquisadores do LMU e do hospital Charité, em Berlim, desenvolveram um método para classificar os tumores da cavidade nasal de difícil diagnóstico.
Embora os tumores da cavidade nasal e dos seios paranasais estejam confinados a um pequeno espaço, eles abrangem um espectro muito amplo com muitos tipos de tumor. Como muitas vezes não apresentam nenhum padrão ou aparência específica, são difíceis de diagnosticar. Isso se aplica especialmente aos chamados carcinomas indiferenciados nasossinusais (SNUCs).
Agora, uma equipe liderada pelo Dr. Philipp Jurmeister e pelo Prof. Frederick Klauschen, do Instituto de Patologia da LMU, e pelo Prof. uma melhoria decisiva no diagnóstico. A equipe desenvolveu uma ferramenta de IA que distingue de forma confiável os tumores com base em modificações químicas do DNA e atribui os SNUCs, que os métodos disponíveis até agora não conseguiram distinguir, em quatro grupos claramente distintos. Esse avanço pode abrir novas oportunidades para terapias direcionadas.
Modificações de DNA específicas do tumor
Modificações químicas no DNA desempenham um papel vital na regulação da atividade gênica. Isso inclui a metilação do DNA, em que um grupo metil extra é adicionado aos blocos de construção do DNA. Em estudos anteriores, os cientistas já haviam demonstrado que o padrão de metilação do genoma é específico para diferentes tipos de tumor, pois pode ser rastreado até a célula de origem do tumor.
“Com base nisso, registramos os padrões de metilação do DNA de quase 400 tumores na cavidade nasal e nos seios paranasais”, diz Capper. Graças a uma extensa colaboração internacional, os pesquisadores conseguiram compilar um número tão grande de amostras, embora esses tumores sejam raros e representem apenas cerca de quatro por cento de todos os tumores malignos na área do nariz e garganta.
Quatro grupos de tumores com diferentes prognósticos
Para a análise dos dados de metilação do DNA, os pesquisadores desenvolveram um modelo de IA que atribui os tumores a diferentes classes. “Devido aos grandes volumes de dados envolvidos, os métodos de aprendizado de máquina são indispensáveis”, diz Jurmeister. “Para realmente reconhecer os padrões, tivemos que avaliar vários milhares de posições de metilação em nosso estudo”. Isso revelou que os SNUCs podem ser classificados em quatro grupos, que também diferem em termos de outras características moleculares.
Além disso, esses resultados são clinicamente relevantes, pois os vários grupos têm prognósticos diferentes. “Um grupo faz um curso surpreendentemente bom, por exemplo, embora os tumores pareçam muito agressivos ao microscópio”, diz Klauschen. “Enquanto outro grupo tem um prognóstico ruim.” Com base nas características moleculares dos grupos, os pesquisadores também poderão desenvolver novas abordagens terapêuticas direcionadas no futuro.
Fonte da história:
Materiais fornecidos por Ludwig-Maximilians-Universität München. Observação: o conteúdo pode ser editado quanto ao estilo e tamanho.
.
