^
A
A
A

Ultrakänslig teknik för flytande biopsi upptäcker cancer tidigare än standardmetoder

 
, Medicinsk redaktör
Senast recenserade: 02.07.2025
 
Fact-checked
х

Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.

Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.

Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.

14 June 2024, 13:27

En AI-baserad metod för att detektera tumör-DNA i blodet har visat oöverträffad känslighet för att förutsäga canceråterfall, enligt en studie ledd av forskare vid Weill Cornell Medical School, NewYork-Presbyterian, New York Genome Center (NYGC) och Memorial Sloan Kettering (MSK). Den nya tekniken har potential att förbättra cancerbehandlingen genom att upptäcka återfall mycket tidigt och noggrant övervaka tumörresponsen på behandlingen.

I en studie som publicerades den 14 juni i tidskriften Nature Medicine visade forskarna att de kunde träna en maskininlärningsmodell, en typ av artificiell intelligensplattform, för att detektera cirkulerande tumör-DNA (ctDNA) baserat på DNA-sekvenseringsdata från patienters blodprover med mycket hög känslighet och noggrannhet. De demonstrerade framgångsrikt tekniken på patienter med lungcancer, melanom, bröstcancer, tjocktarmscancer och precancerösa tjocktarmspolyper.

"Vi kunde uppnå en betydande förbättring av signal-brusförhållandet, vilket till exempel gjorde det möjligt för oss att upptäcka canceråterfall månader eller till och med år innan standard kliniska metoder kan", säger studiens medförfattare Dr. Dan Landau, professor i medicin vid avdelningen för hematologi och medicinsk onkologi vid Weill Cornell Medical School och en kärnmedlem i New York Genome Center.

Medförfattare och förstaförfattare till studien var Dr. Adam Widman, en postdoktor i Landaus laboratorium som också är bröstonkolog vid MSK. Andra förstaförfattare var Minita Shah från NYGC, Dr. Amanda Frydendal från Aarhus universitet och Daniel Halmos från NYGC och Weill Cornell Medical School.

Flytande biopsiteknik har varit långsam med att förverkliga sin stora potential. De flesta befintliga metoder riktar in sig på relativt små uppsättningar av cancerassocierade mutationer som ofta är för sällsynta i blodet för att kunna detekteras tillförlitligt, vilket leder till underskattning av canceråterfall.

För flera år sedan utvecklade Dr. Landau och hans kollegor en alternativ metod baserad på helgenomsekvensering av DNA i blodprover. De visade att detta kunde samla in mycket mer "signaler", vilket gjorde det möjligt att detektera tumör-DNA mer känsligt och logistiskt. Sedan dess har denna metod i allt högre grad anammats av utvecklare av flytande biopsier.

I den nya studien tog forskarna det ett steg längre genom att använda en avancerad maskininlärningsstrategi (liknande den som används i populära AI-appar som ChatGPT) för att upptäcka subtila mönster i sekvenseringsdata, specifikt för att skilja mönster som indikerar cancer från mönster som indikerar sekvenseringsfel och annat "brus".

I ett test tränade forskarna sitt system, som de kallade MRD-EDGE, att känna igen patientspecifika tumörmutationer hos 15 patienter med tjocktarmscancer. Efter operation och kemoterapi förutspådde systemet, baserat på bloddata, att nio av dem hade kvarvarande cancer. Fem av dessa patienter upptäckte senare återfall med mindre känsliga metoder flera månader senare. Men det fanns inga falskt negativa resultat: Ingen av de patienter som MRD-EDGE hade räknat som fria från tumör-DNA hade återfall under studieperioden.

MRD-EDGE visade liknande känslighet i studier på patienter med lungcancer i tidigt stadium och trippelnegativ bröstcancer, där alla utom ett återfall upptäcktes tidigt och tumörstatus spårades under behandlingen.

Forskarna visade att MRD-EDGE till och med kunde detektera mutant DNA från precancerösa kolonadenom – polyper från vilka koloncancer utvecklas.

"Det var inte tydligt att dessa polyper kunde frigöra detekterbart ctDNA, så detta är ett betydande framsteg som kan peka på framtida strategier för att upptäcka precancerösa förändringar", säger Dr. Landau, som också är medlem i Sandra and Edward Meyer Cancer Center vid Weill Cornell School of Medicine och hematolog-onkolog vid NewYork-Presbyterian/Weill Cornell Medical Center.

Slutligen visade forskarna att även utan föregående utbildning i patientsekvenseringsdata för tumörer kunde MRD-EDGE upptäcka svar på immunterapi hos melanom- och lungcancerpatienter veckor före detektion med standardröntgenbilder.

"Sammantaget tillgodoser MRD-EDGE ett stort behov, och vi är entusiastiska över dess potential och samarbetar med branschpartners för att försöka få det tillgängligt för patienter", sa Dr. Landau.

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.