快速診斷乳腺癌 1天就能確定
【洛杉磯訊】由南加大(USC)的科學家們領導的科研小組,目前研發出一種新的方法,來辨別並且標記乳腺癌腫瘤分子,如果實現臨床推廣,將是一個可以挽救更多生命的方法,並可為成千上萬名女性帶來新的乳癌治理方式。這個計畫的領銜科學家為南加大Keck醫學院和Viterbi工程學院的共同教授David B. Agus。透過「機器學習」(machine learning)等技術的幫助,研究者可以讓計算機快速地給各種乳癌腫瘤照片分類,並分辨出哪一個腫瘤是雌激素的接受器(estrogen receptors),而這一點對於評估和治療非常重要。這種方法是一次跨越,目前使用的是顯微鏡和活檢來辨別雌激素接收器,這一方法已經使用了近百年。這項研究給快速診斷乳腺癌以及為患者省錢方面帶來新機遇。這項研究成發表在最新一期的「癌症自然夥伴期刊」(Nature Partner Journals Breast Cancer)上。
Agus表示,使用機器學習的新技術,來分析醫療病情,是一個劃時代的革命。我們可以利用它,更快速地檢測出癌症目標,讓患者以更快速度得知信息,幫助更多人,希望這項技術能得到更多的推廣和使用。除了皮膚癌之外,乳癌是美國女性中最常見的癌症。雖然乳癌致死率目前正在下降,但依然是導致女 性 死亡的第二號兇手,更是拉丁裔女性的頭號殺手。
每年全美大約有23萬7000例乳癌被確認,大約有4萬1000人因此死亡。確認並且治療癌症的關鍵,是了解腫瘤的自然本質。攜帶有雌性激素或其荷爾蒙接收器的癌細胞,對於治療癌症的靶向藥物的反應是不一樣的。醫師們正是通過這個原理,來確定腫瘤類型和治療方法,但通過各種測試來標記腫瘤細胞的方法非常緩慢,並且低效。舉例來說,一般實驗室的化驗結果可能、且不完全準確,並且非常昂貴,通常需要數周才能確定,而且在很多發展中國家無法實施。
這項研究的另一個作者Dan Ruderman說,通常如果患者確定患癌,醫師都需要好幾周來標記和確認到底是哪種腫瘤細胞,現在使用了機器學習技術,可以將時間縮短到一天,不會耽誤治療,對病人造成的心理壓力也更小,因此也可能產生更好的治療效果。並
將有助於及時選擇 這個新發現出自赫爾辛基商人研究的後續調查,研究一直在追蹤由1919至1934年間出生的1222名男性高階主管。接受調查的這些人都至少有一個心臟病風險因素(例如吸菸、體重過重,或者有高血壓或高膽固醇)。
這個研究由1960年代開始,到1970年代發展為長期研究,希望能更了解心血管疾病。這個研究一直延續至2014年,部分重點在於中年風險因素如何影響生活品質和健康。研究把受測男性隨機分為兩組。在控制組中的男性如常生活,並沒有與作研究的調查人員見面。另一組干預組中的男性則接受調查人員的指導,對如何改善他們的健康提供建議,要求他們運動健身、改善飲食、保持適當的體重或戒菸。史坦柏格發現,改變生活方式的男性如果縮短假期,死亡率會更高。在該研究進行了15年時,干預組的死亡率高於對照組。罪魁禍首是什麼?工作太辛苦,睡眠不夠,沒有休假。研究人員發現,干預組的人生活方式雖有改善,但如果每年持續休假時間不到三周,在1974年到2004年之間死亡的機率要比連續休假三周以上的人高37%。
2004年以後,兩組男性的死亡率相同。(這時這些人都已80歲以上。)這個結果雖然教人心驚,但恐怕不太可能會影響大多數人的度假習慣。首先,大部分美國勞工沒有那麼多的休假,年輕人可能工作資歷還得不到三周的年休假。根據美國勞工統計局的資料,一般勞工要工作20年,在某些職位上才能有20天以上的帶薪假。就算他們真的有時間,許多人也覺得有太多的工作要做,太多的家庭責任要擔,度假是無力負擔的奢侈品。不過專家說,休假可以助你在返回工作崗位時提高效率,因此或許該是提出休假申請的時候了。 正確的靶向藥,這是醫療個人化的一個巨大進步。雖然機器學習運用於癌症檢測已經不是新鮮事,但南加大這項研究使用了新的技術,能更精確地標記癌症細胞。關鍵技術是描述出癌症細胞核的精確半徑和形狀,並將信息放入一個更大的信息網路,來讓電腦學習細胞核的形狀和癌症細胞標記物之間的關係。目前,這項研究被證實可以改善臨床治療。進一步的研究正在進行中。
Agus不但是醫學博士和腫瘤醫師,也是暢銷書作家。他2012年出版了「疾病的末日」(The End of Illness)一書,成為紐約時報當年排名第一的暢銷書,此書也在國際獲得很好的反響。此外,他還在PBS等電
視台主持節目。
David B. Agus醫師。(USC提供)