Imagenología espectroscópica como herramienta para predecir cáncer de mama
Por el equipo editorial de MedImaging en español Actualizado el 11 May 2012 |

Imagen: Una estructura de glándula mamaria humana viva creada en investigación que usa una nueva tecnología de imagenología para revelar cambios sutiles en el tejido mamario, representando una herramienta potencial para determinar el riesgo de una mujer de desarrollar cáncer de seno y estudiar las maneras de prevenir la enfermedad (Foto cortesía de la Universidad Purdue/Shuhua Yue).
Investigadores han creado una nueva tecnología de imagenología que revela los leves cambios en el tejido del seno, representando una herramienta potencial para determinar el riesgo de una mujer de desarrollar cáncer de mama y evaluar las maneras de prevenir la enfermedad.
Los investigadores, usando un cultivo tridimensional (3D) especial que semeja el tejido de la glándula mamaria viva, también mostraron que un ácido graso encontrado en algunos alimentos influye sobre este estadío pre-canceroso. A diferencia de los cultivos celulares tradicionales, los cuales son planos, los cultivos 3D tienen la forma redonda de las glándulas productoras de leche y se comportan como el tejido real, según la Dra. Sophie Lelièvre una profesora asociada de ciencias médicas básicas de la Universidad Purdue (West Lafayette, IN, EUA;www.purdue.edu).
Los investigadores están estudiando los cambios que tienen lugar en las células epiteliales, que forman los tejidos y los órganos donde ocurren el 90% de los cánceres. Se cree que los cambios en el tejido del seno son necesarios para que se formen los tumores, dijo. “Imitando el estadío temprano que conduce a los tumores y usando una herramienta nueva de imagenología, nuestra meta es poder medir este cambio y luego tomar los pasos para prevenirlo”, dijo la Dra. Lelièvre.
La técnica nueva de imagenología, llamada microscopía espectral vibracional, puede usarse para identificar y rastrear ciertas moléculas midiendo su vibración con un láser. Mientras que otras herramientas de imagenología requieren días para lograr un resultado, el método nuevo funciona a alta velocidad, permitiéndoles a los investigadores medir los cambios en tiempo real en el tejido vivo, según el Dr. Ji-Xin Cheng, un profesor asociado de ingeniería biomédica y química. Monitorizando el mismo cultivo tridimensional (3D) antes y después de la exposición a ciertos factores de riesgo, el método nuevo les permite a los investigadores detectar cambios sutiles en las células vivas individuales, reportó.
Los hallazgos son detallados en un artículo de investigación que apareció el 7 de Marzo de 2012, en la revista Biophysical Journal. El artículo fue escrito por los estudiantes de doctorado Shuhua Yue, Juan Manuel Cárdenas-Mora, y Lesley S. Chaboub, Lelièvre y el Dr. Cheng. “Este trabajo muestra la importancia de la ingeniería para el desarrollo de la investigación de prevención primaria en el cáncer de seno”, dijo el Sr. Yue, un estudiante de ingeniería biomédica cuyo trabajo fue patrocinado por medio de una beca del Programa de Investigación de Cáncer de Seno del Departamento de Defensa de los Estados Unidos.
Los investigadores evaluaron el tejido vivo en un cultivo que reproduce el epitelio mamario. “Esta técnica extremadamente sensible muestra el impacto peligroso de un nutriente llamado ácido araquidónico”, dijo la Dra. Lelièvre, directora asociada de grupos de descubrimiento del Centro de Investigación de Cáncer Purdue. “Anteriormente se había propuesto que este ácido graso aumenta el riesgo de cáncer de seno, pero hasta ahora no ha habido evidencia biológica de que pueda alterar las células epiteliales del seno”.
El método de imagenología identifica cambios en la “polaridad basoapical” de los tejidos epiteliales. Las proteínas específicas y otros compuestos bioquímicos llamados lípidos están localizados típicamente en una de dos regiones, llamadas las membranas basal y apical. Debido a que solo se encuentran proteínas específicas y lípidos en las membranas basales, mientras que otros están localizados solo en las membranas apicales, las células son reportadas como polarizadas.
“Esta polaridad es crítica para la estructura apropiada y la función del tejido”, dijo la Dra. Lelièvre. “Lo que hemos demostrado anteriormente es que cuando la polaridad se altera, el tejido que por otra parte parece normal, puede ser empujado a un ciclo celular necesario para formar un tumor. Es el cambio más temprano en el tejido epitelial que pone a las células en riesgo de formar un tumor. Ahora, gracias a la microscopía espectral vibracional desarrollada por el Dr. Cheng, podemos medir el estado de la polaridad apical en tejidos vivos y en tiempo real”.
Los resultados pueden llevar a una manera de prevenir la formación del tumor restableciendo la polaridad correcta. “Estamos imitando la formación del epitelio del seno cuando está polarizado normalmente, y podemos jugar con él y hacerle perder la polaridad apical según deseo”, dijo la Dra. Lelièvre. “Entonces podemos similar un cambio temprano, que se piensa, conduce al desarrollo del tumor”.
La meta de los investigadores es usar la tecnología de imagenología en cultivos 3D vivos de tejidos de seno no cancerosos para buscar factores de riesgo protectores y de riesgo para el cáncer de seno de la misma manera que los tumores son usados ahora en cultivos para estudiar para drogas que pueden ser usadas para el tratamiento. “Ahora no hay una buena manera de evaluar el riesgo para el cáncer de seno”, dijo la Dra. Lelièvre. “Las evaluaciones están basadas principalmente en la historia familiar y los cambios genéticos, y esto solo representa un porcentaje muy pequeño de mujeres que tienen cáncer de seno. Necesitamos tecnologías para evaluar el riesgo mejor y luego tamizar para factores protectores que pueden usarse en pacientes individuales porque no todos van a responder a los mismos factores”.
Una aplicación inmediata de la técnica es una manera de estudiar las líneas celulares creadas del tejido tomado de las mujeres a niveles diferentes de riesgo, tamizando para factores que pueden restablecer la polaridad completa en el tejido del seno para prevenir la formación del tumor. “El estado del arte es tomar células tumorales, poniéndolas en un cultivo 3D donde forman tumores, y luego probar drogas sobre esos tumores”, dijo la Dra. Lelièvre. “Lo que deseamos hacer ahora es la misma cosa pero para estrategias preventivas usando un tejido normal”.
En una colaboración con investigadores de la Universidad Purdue-Indianápolis, el equipo planea estudiar líneas celulares de mujeres que están en diferentes niveles de riesgo. La herramienta nueva de imagenología era necesaria debido a que los métodos tradicionales de imagenología de células vivas están diseñados para cultivos celulares planos. Imitar la polaridad del tejido requiere un cultivo 3D para formar estructuras de glándula mamaria al final de los conductos del seno. Las estructuras parecen bolas minúsculas de aproximadamente 30 micras de diámetro y contienen aproximadamente 35 células.
El Dr. Cheng reportó que su laboratorio continuará desarrollando un sistema de imagenología “hiperespectral” capaz, no solo de visualizar un área específica en un cultivo, sino también muchas localizaciones para formar un mapa punto por punto de modo que la polaridad del tejido pueda ser visualizada directamente.
Enlace relacionado:
Purdue University
Los investigadores, usando un cultivo tridimensional (3D) especial que semeja el tejido de la glándula mamaria viva, también mostraron que un ácido graso encontrado en algunos alimentos influye sobre este estadío pre-canceroso. A diferencia de los cultivos celulares tradicionales, los cuales son planos, los cultivos 3D tienen la forma redonda de las glándulas productoras de leche y se comportan como el tejido real, según la Dra. Sophie Lelièvre una profesora asociada de ciencias médicas básicas de la Universidad Purdue (West Lafayette, IN, EUA;www.purdue.edu).
Los investigadores están estudiando los cambios que tienen lugar en las células epiteliales, que forman los tejidos y los órganos donde ocurren el 90% de los cánceres. Se cree que los cambios en el tejido del seno son necesarios para que se formen los tumores, dijo. “Imitando el estadío temprano que conduce a los tumores y usando una herramienta nueva de imagenología, nuestra meta es poder medir este cambio y luego tomar los pasos para prevenirlo”, dijo la Dra. Lelièvre.
La técnica nueva de imagenología, llamada microscopía espectral vibracional, puede usarse para identificar y rastrear ciertas moléculas midiendo su vibración con un láser. Mientras que otras herramientas de imagenología requieren días para lograr un resultado, el método nuevo funciona a alta velocidad, permitiéndoles a los investigadores medir los cambios en tiempo real en el tejido vivo, según el Dr. Ji-Xin Cheng, un profesor asociado de ingeniería biomédica y química. Monitorizando el mismo cultivo tridimensional (3D) antes y después de la exposición a ciertos factores de riesgo, el método nuevo les permite a los investigadores detectar cambios sutiles en las células vivas individuales, reportó.
Los hallazgos son detallados en un artículo de investigación que apareció el 7 de Marzo de 2012, en la revista Biophysical Journal. El artículo fue escrito por los estudiantes de doctorado Shuhua Yue, Juan Manuel Cárdenas-Mora, y Lesley S. Chaboub, Lelièvre y el Dr. Cheng. “Este trabajo muestra la importancia de la ingeniería para el desarrollo de la investigación de prevención primaria en el cáncer de seno”, dijo el Sr. Yue, un estudiante de ingeniería biomédica cuyo trabajo fue patrocinado por medio de una beca del Programa de Investigación de Cáncer de Seno del Departamento de Defensa de los Estados Unidos.
Los investigadores evaluaron el tejido vivo en un cultivo que reproduce el epitelio mamario. “Esta técnica extremadamente sensible muestra el impacto peligroso de un nutriente llamado ácido araquidónico”, dijo la Dra. Lelièvre, directora asociada de grupos de descubrimiento del Centro de Investigación de Cáncer Purdue. “Anteriormente se había propuesto que este ácido graso aumenta el riesgo de cáncer de seno, pero hasta ahora no ha habido evidencia biológica de que pueda alterar las células epiteliales del seno”.
El método de imagenología identifica cambios en la “polaridad basoapical” de los tejidos epiteliales. Las proteínas específicas y otros compuestos bioquímicos llamados lípidos están localizados típicamente en una de dos regiones, llamadas las membranas basal y apical. Debido a que solo se encuentran proteínas específicas y lípidos en las membranas basales, mientras que otros están localizados solo en las membranas apicales, las células son reportadas como polarizadas.
“Esta polaridad es crítica para la estructura apropiada y la función del tejido”, dijo la Dra. Lelièvre. “Lo que hemos demostrado anteriormente es que cuando la polaridad se altera, el tejido que por otra parte parece normal, puede ser empujado a un ciclo celular necesario para formar un tumor. Es el cambio más temprano en el tejido epitelial que pone a las células en riesgo de formar un tumor. Ahora, gracias a la microscopía espectral vibracional desarrollada por el Dr. Cheng, podemos medir el estado de la polaridad apical en tejidos vivos y en tiempo real”.
Los resultados pueden llevar a una manera de prevenir la formación del tumor restableciendo la polaridad correcta. “Estamos imitando la formación del epitelio del seno cuando está polarizado normalmente, y podemos jugar con él y hacerle perder la polaridad apical según deseo”, dijo la Dra. Lelièvre. “Entonces podemos similar un cambio temprano, que se piensa, conduce al desarrollo del tumor”.
La meta de los investigadores es usar la tecnología de imagenología en cultivos 3D vivos de tejidos de seno no cancerosos para buscar factores de riesgo protectores y de riesgo para el cáncer de seno de la misma manera que los tumores son usados ahora en cultivos para estudiar para drogas que pueden ser usadas para el tratamiento. “Ahora no hay una buena manera de evaluar el riesgo para el cáncer de seno”, dijo la Dra. Lelièvre. “Las evaluaciones están basadas principalmente en la historia familiar y los cambios genéticos, y esto solo representa un porcentaje muy pequeño de mujeres que tienen cáncer de seno. Necesitamos tecnologías para evaluar el riesgo mejor y luego tamizar para factores protectores que pueden usarse en pacientes individuales porque no todos van a responder a los mismos factores”.
Una aplicación inmediata de la técnica es una manera de estudiar las líneas celulares creadas del tejido tomado de las mujeres a niveles diferentes de riesgo, tamizando para factores que pueden restablecer la polaridad completa en el tejido del seno para prevenir la formación del tumor. “El estado del arte es tomar células tumorales, poniéndolas en un cultivo 3D donde forman tumores, y luego probar drogas sobre esos tumores”, dijo la Dra. Lelièvre. “Lo que deseamos hacer ahora es la misma cosa pero para estrategias preventivas usando un tejido normal”.
En una colaboración con investigadores de la Universidad Purdue-Indianápolis, el equipo planea estudiar líneas celulares de mujeres que están en diferentes niveles de riesgo. La herramienta nueva de imagenología era necesaria debido a que los métodos tradicionales de imagenología de células vivas están diseñados para cultivos celulares planos. Imitar la polaridad del tejido requiere un cultivo 3D para formar estructuras de glándula mamaria al final de los conductos del seno. Las estructuras parecen bolas minúsculas de aproximadamente 30 micras de diámetro y contienen aproximadamente 35 células.
El Dr. Cheng reportó que su laboratorio continuará desarrollando un sistema de imagenología “hiperespectral” capaz, no solo de visualizar un área específica en un cultivo, sino también muchas localizaciones para formar un mapa punto por punto de modo que la polaridad del tejido pueda ser visualizada directamente.
Enlace relacionado:
Purdue University
Últimas Imaginología General noticias
- Sistema de imágenes impulsado por IA mejora el diagnóstico del cáncer de pulmón
- Modelo de IA mejora las capacidades de la tomografía computarizada de baja dosis
- TC de dosis ultra baja ayuda en el diagnóstico de neumonía en pacientes inmunocomprometidos
- La IA reduce la carga de trabajo en la detección de cáncer de pulmón por TC en casi un 80 %.
- Tecnología de vanguardia combina luz y sonido para monitorear ACV en tiempo real
- Sistema de IA detecta cambios sutiles en una serie de imágenes médicas a lo largo del tiempo
- Nueva técnica de TC mejora el pronóstico y los tratamientos del cáncer de cabeza y cuello
- Primer escáner de TC de cuerpo entero móvil proporcionará diagnósticos en el punto de atención
- Tomografías computarizadas completas pueden identificar aterosclerosis en pacientes con cáncer de pulmón
- La IA mejora la detección del cáncer colorrectal en tomografías computarizadas de rutina
- Tecnología de superresolución mejora imagenes clínicas ósea para predecir el riesgo de fracturas osteoporóticas
- Mapa abdominal impulsado por IA permite la detección temprana del cáncer
- Modelo de aprendizaje profundo detecta tumores pulmonares en tomografías computarizadas
- La IA predice el riesgo cardiovascular a partir de tomografías computarizadas
- Algoritmos de aprendizaje profundo mejoran la detección de tumores en exploraciones PET/TC
- Nueva tecnología proporciona puntuación de calcificación de las arterias coronarias en TC de tórax
Canales
Radiografía
ver canal
Técnica de imágenes con IA se muestra prometedora en la evaluación de pacientes para ICP
La intervención coronaria percutánea (ICP), también conocida como angioplastia coronaria, es un procedimiento mínimamente invasivo en el que se insertan pequeños tubos... Más
Mayor uso de radiografías de tórax permite detectar el cáncer de pulmón en etapas tempranas
El cáncer de pulmón sigue siendo la principal causa de muerte por cáncer en todo el mundo. Si bien tecnologías avanzadas como la tomografía computarizada (TC) desempeñan... Más
Las mamografías impulsadas por IA predicen el riesgo cardiovascular
Los Centros para el Control y la Prevención de Enfermedades de Estados Unidos recomiendan que las mujeres de mediana edad o mayores se sometan a una mamografía (una radiografía de la mama) cada uno o dos... Más
Modelo de IA generativa reduce significativamente el tiempo de lectura de radiografías de tórax
La interpretación rápida y precisa de las imágenes radiológicas es crucial debido a su impacto significativo en los resultados del paciente, ya que los errores en la interpretación pueden llevar a cambios... MásRM
ver canal
Herramienta de IA rastrea la eficacia de tratamientos para la esclerosis múltiple mediante RM cerebral
La esclerosis múltiple (EM) es una enfermedad en la que el sistema inmunológico ataca el cerebro y la médula espinal, lo que provoca alteraciones en el movimiento, la sensibilidad y la cognición.... Más
Imágenes por RM ultrapotentes permiten cirugías en pacientes con epilepsia resistente al tratamiento
Aproximadamente 360.000 personas en el Reino Unido padecen epilepsia focal, una afección en la que las convulsiones se propagan desde una parte del cerebro. Alrededor de un tercio de estos pacientes... MásUltrasonido
ver canal
Técnica de microscopía basada en ultrasonido ayuda a diagnosticar enfermedades de pequeños vasos
La ecografía clínica, comúnmente utilizada en exámenes durante el embarazo, proporciona imágenes en tiempo real de las estructuras corporales. Es una de las técnicas... Más
Células inmunitarias activadas por ultrasonido destruyen células cancerosas
La terapia de células T con receptores de antígenos quiméricos (CAR) se ha convertido en un tratamiento oncológico muy prometedor, especialmente en los cánceres hematológicos como la leucemia.... MásMedicina Nuclear
ver canal
Nuevo enfoque de imágenes PET ofrece una visión nunca antes vista de la neuroinflamación
La COX-2, una enzima clave en la inflamación cerebral, puede aumentar significativamente su expresión mediante estímulos inflamatorios y neuroexcitación. Los investigadores... Más
Nuevo radiotrazador identifica biomarcador para el cáncer de mama triple negativo
El cáncer de mama triple negativo (CMTN), que representa entre el 15 % y el 20 % de todos los casos de cáncer de mama, es uno de los subtipos más agresivos, con una tasa de supervivencia a cinco años de... MásTI en Imaginología
ver canal
Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles
Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Plataforma para el manejo de imágenes agiliza los planes de tratamiento
Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... MásUna red global nueva mejora el acceso a la comprensión diagnóstica
Quest Diagnostics (Madison, NJ, EUA), un proveedor líder de servicios de información de diagnóstico, junto con otros proveedores de servicios de diagnóstico, ha anunciado la formación y el lanzamiento de la Red de Diagnóstico Global (GDN), un grupo de... Más
Una estación de trabajo nuevo apoya el flujo de trabajo de la imagenología pensando en los clientes
Una estación de trabajo de imagenología nueva ofrece una interfaz única e intuitiva para la toma eficiente de radiografías, fluoroscopias, mamografías y la toma de imágenes de las piernas/columna vertebral... MásIndustria
ver canal
Colaboración entre GE HealthCare y NVIDIA para reinventar la imagenología diagnóstica
GE HealthCare (Chicago, IL, EUA) ha iniciado un proceso de colaboración con NVIDIA (Santa Clara, CA, EUA), ampliando la relación existente entre las dos empresas para centrarse en la innovación... Más
Siemens y Sectra colaboran en la mejora de los flujos de trabajo en radiología
Siemens Healthineers (Forchheim, Alemania) y Sectra (Linköping, Suecia) han iniciado una colaboración destinada a mejorar las capacidades de diagnóstico de los radiólogos y, a... Más