Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde # Oncologia

Novo Modelo para Prever Tipos de Câncer de Mama

Combinar ultrassom e marcadores séricos dá previsões melhores pra classificar câncer de mama.

WenWen Sun, Y. Ji, Z. Han, Y. Zhang

― 7 min ler


Predizendo Subtipos de Predizendo Subtipos de Câncer de Mama diagnóstico do câncer de mama. Novo modelo melhora a precisão no
Índice

O câncer de mama é um dos tipos de tumor mais comuns que afetam as mulheres. Nos últimos anos, mais mulheres têm sido diagnosticadas com câncer de mama, e pacientes mais jovens estão sendo cada vez mais afetadas. Essa condição representa sérios riscos para a saúde e a qualidade de vida. O câncer de mama é influenciado por hormônios, principalmente o estrogênio. Alterações nos níveis de estrogênio podem aumentar o risco de desenvolver esse câncer.

Os médicos classificam o câncer de mama com base em certos Receptores hormonais presentes no tumor. Esses receptores são chamados de receptores de estrogênio (ER) e receptores de progesterona (PR). Dependendo dos níveis desses receptores, o câncer de mama pode ser categorizado em diferentes tipos. As duas principais categorias são os tipos Luminais, que testam positivos para ER ou PR, e os tipos não-Luminais, que testam negativos para ambos. Essa classificação ajuda a direcionar opções de tratamento e prever os desfechos dos pacientes.

Desenvolver métodos precisos para diagnosticar os diferentes tipos de câncer de mama é crucial. Avanços recentes em biologia molecular levaram à descoberta de mais marcadores que podem indicar câncer de mama. Esses marcadores podem ser medidos no sangue e ajudam a fornecer informações importantes sobre as características do câncer, sua disseminação e o potencial de recorrência. Por exemplo, marcadores como CA153, CEA e CA125 são úteis para triagem e monitoramento da eficácia do tratamento. Dentre eles, o CA153 é considerado particularmente valioso devido à sua alta sensibilidade e especificidade.

No entanto, depender apenas do CA153 pode não dar uma visão completa do câncer. Para complementar isso, uma técnica chamada Ultrassom com contraste (CEUS) é utilizada. Esse método de imagem permite que os médicos vejam como o sangue flui dentro dos tumores da mama, fornecendo imagens detalhadas tanto do tumor quanto dos tecidos ao redor.

Objetivo do Estudo

O objetivo do estudo foi criar um modelo que combine dados do CEUS e do marcador sérico CA153 para prever melhor o tipo de câncer de mama.

Métodos

Neste estudo, 120 mulheres diagnosticadas com câncer de mama entre janeiro de 2020 e janeiro de 2023 foram selecionadas para exame. Essas pacientes realizaram testes de ultrassom e exames para verificar o status dos receptores hormonais. O estudo focou em pacientes que tinham câncer de mama invasivo confirmado por biópsia e tinham registros médicos completos. Certas pacientes foram excluídas, incluindo aquelas com problemas de saúde graves ou que estavam grávidas.

O procedimento de ultrassom usou uma máquina e uma sonda específicas para examinar as mamas. Primeiro, um ultrassom padrão foi realizado para localizar os tumores. Em seguida, um agente de contraste foi injetado para observar o fluxo sanguíneo nos tumores. Medições foram feitas em vários pontos dentro dos tumores para analisar como eles reagiram ao agente de contraste.

Os receptores hormonais, os níveis de HER-2 e um marcador de proliferação chamado Ki-67 também foram medidos em amostras de tecido. Uma amostra de sangue foi coletada para verificar o nível de CA153, usando um sistema automatizado especial. Se o nível de CA153 estivesse acima de um determinado limite, era considerado positivo para indicar câncer de mama.

Os dados coletados foram analisados usando um software estatístico específico. Vários testes estatísticos foram usados para comparar dados de diferentes tipos de pacientes com câncer de mama.

Resultados

O estudo incluiu mulheres com idades variando de 24 a 80 anos. Dentre as 120 pacientes, 72 tinham câncer de mama Luminal e 48 tinham câncer de mama não-Luminal. Os dados principais coletados incluíram idade, tamanho do tumor, status menopausal e tipo de câncer.

Os resultados do ultrassom mostraram diferenças entre os dois grupos de tipos de câncer de mama. Em mulheres com câncer Luminal, o ultrassom mostrou um padrão específico de fluxo sanguíneo, enquanto as pacientes não-Luminais apresentaram características diferentes. Isso sugere que existem características identificáveis no ultrassom que podem ajudar a distinguir os tipos.

Ao comparar as medições quantitativas do CEUS e os níveis de CA153, diferenças significativas foram observadas. O estudo descobriu que os parâmetros de contraste (intensidade máxima e área sob a curva) e os níveis de CA153 no soro podem ajudar a prever o tipo de câncer de mama.

Além disso, uma análise estatística indicou que essas medições são preditores independentes dos tipos de câncer de mama. Isso significa que podem servir como indicadores confiáveis para distinguir entre câncer de mama Luminal e não-Luminal.

Modelo de Previsão

Usando os preditores independentes identificados na análise, um modelo de previsão foi desenvolvido. Esse modelo combinou os resultados dos testes de sangue e as medições de ultrassom para avaliar a probabilidade de uma paciente ter câncer de mama não-Luminal. A precisão desse modelo foi avaliada usando métodos estatísticos específicos, indicando que fornece boa precisão para prever o risco desse tipo de câncer de mama.

O modelo foi representado visualmente em um nomograma. Essa representação gráfica permite que os médicos insiram dados individuais do paciente e avaliem rapidamente a probabilidade de câncer de mama não-Luminal. A precisão do modelo foi validada através de vários testes, mostrando fortes capacidades preditivas.

Importância dos Resultados

O câncer de mama é uma doença complexa ligada a vários fatores, incluindo hormônios e genética. Diferentes subtipos moleculares de câncer de mama se comportam de maneira diferente, respondem aos tratamentos de forma variável e têm desfechos distintos. Dentre eles, os tipos Luminais são mais comuns, enquanto os tipos não-Luminais tendem a ser mais agressivos e desafiadores para tratar.

O estudo destaca a importância da detecção precoce e da classificação precisa do câncer de mama. Compreender o tipo molecular do câncer pode influenciar muito as decisões de tratamento e o cuidado com os pacientes. Os achados enfatizam a importância de combinar marcadores séricos e técnicas de imagem para melhorar o diagnóstico.

Além disso, este estudo reconhece que o câncer de mama depende muito do crescimento de novos vasos sanguíneos para a progressão do tumor. Isso torna métodos de imagem como o CEUS valiosos para entender o comportamento do tumor. O CEUS pode fornecer insights sobre a dinâmica do fluxo sanguíneo dentro dos tumores, o que é crucial para avaliar a agressividade e guiar as estratégias de tratamento.

Embora o estudo apresente resultados promissores, ele também aponta limitações. A pesquisa foi conduzida em um único centro com um número limitado de pacientes. Isso significa que mais pesquisas são necessárias para confirmar esses achados em populações maiores e mais diversas.

Conclusão

Em resumo, as características observadas no câncer de mama através do ultrassom podem revelar informações importantes sobre a doença. O estudo construiu com sucesso um modelo usando parâmetros do CEUS e níveis de CA153 para prever subtipos de câncer de mama. Essa abordagem pode ajudar os médicos a tomarem decisões mais informadas sobre diagnóstico e planos de tratamento individualizados.

À medida que mais pesquisas são realizadas nessa área, isso pode levar a melhorias na gestão do câncer de mama e nos resultados para os pacientes. A detecção precoce e a classificação adequada continuam sendo críticas para maximizar as taxas de sobrevivência e melhorar a qualidade de vida daqueles afetados pelo câncer de mama.

Fonte original

Título: Based on breast CEUS parameters combined with serum CA153, a nomogram model was constructed to predict the molecular classification of breastcancer

Resumo: ObjectiveTo analyze the role of contrast-enhanced ultrasound (CEUS) parameters combined with serum tumor marker CA153 in the prediction of Breast Cancer (BC) molecular typing. MethodsFrom January 2020 to January 2023, 120 BC patients diagnosed in our hospital were studied. According to the pathological results, the patients were divided into Luminal and non-Luminal BC groups. Both groups underwent contrast-enhanced ultrasoun. The time-intensity curve (TIC) is obtained, and the relevant characteristic parameters are obtained, including peak intensity (PI), peak time (TTP), area under the curve (AUC), and mean transit time (MTT). Serum tumor marker CA153 was detected in both groups. Combined with CEUS characteristic parameters and serum CA153 of two groups of BC patients, a multiple Logistic regression model was constructed, and a nomogram prediction model was constructed based on the model. Calibration curve and receiver operating characteristic (ROC) curve were used to analyze the value of this model in the prediction of BC molecular classification. ResultsThere were no significant differences between Luminal BC patients and non-Luminal BC patients in clinical parameters and qualitative parameters of contrast-enhanced ultrasound, while there were statistical differences between quantitative parameters PI, AUC and serum tumor marker CA153. The AUC of the combined diagnosis of three parameters (PI, AUC and CA153) was significantly higher than that of the single index diagnosis group. The ROC curve AUC of BC molecular typing was predicted to be 0.94 based on the three-parameter nomogram, and the fitting of the actual curve and the ideal curve in the calibration curve was close. ConclusionsThe nomogram model based on breast contrast-enhanced ultrasound (CEUS) parameters combined with serum CA153 can effectively predict the molecular classification of BC.

Autores: WenWen Sun, Y. Ji, Z. Han, Y. Zhang

Última atualização: 2024-10-21 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2024.10.17.24315659

Fonte PDF: https://www.medrxiv.org/content/10.1101/2024.10.17.24315659.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes