Medikaynak Search
Üye Ol Üye Giriş
Medikaynak Menü
Üye Olun / Giriş Yapın Medikaynak Icon
Medikaynak Rxmediapharma

Renal hücreli karsinom (RCC) çoklu heterojen alt tiplerden oluşmakla birlikte kanonik olarak şeffaf hücreli RCC (ccRCC), papiller RCC ve kromofob RCC şeklinde üç ana histolojik alt tipte sınıflandırılmaktadır. Histopatolojik olarak tanımlanmış RCC alt tiplerine ek olarak, TFE3 gen füzyonu ile ilişkili nadir bir alt tip olan Xp11.2 translokasyon RCC, ilk olarak 2004 WHO renal tümör sınıflandırmasında resmen tanınmıştır. Xp11.2 kromozomu üzerinde bulunan TFE3 geninin çeşitli füzyon ortakları bulunmaktadır. Araştırmacılar MALAT1-TFEB gen füzyonu barındıran t translokasyonlu renal hücre karsinomlarının çok daha az yaygın olduğunu, TFE3 Xp11.2 translokasyon RCC’nin (TFE3-RCC) sıklıkla ileri aşamada teşhis edildiğini ve Xp11.2 translokasyon RCC'den daha invaziv bir klinik seyir ve daha kötü prognoz gösterdiğini belirtmişlerdir. Son yıllarda böbrek kanseri tedavisi için hedefe yönelik tedaviler, özellikle anjiyojenik aktiviteyi engelleyen VEGF hedefli ve mTOR hedefli tedaviler ile önemli ilerleme sağlanmıştır.

Geçtiğimiz birkaç yıl boyunca, TFE3-RCC hastaları için hedefe yönelik tedavilerin etkinliğini araştıran birçok çalışma yapılmıştır. RCC'nin bu nadir alt tipinin eksik teşhisinin iyileştirilmesi, numunenin iyileştirilmesini kolaylaştıracak, klinik araştırma erişimini iyileştirecek ve daha da önemlisi, bu hasta grubu için etkili tedavilerin geliştirilmesine katkıda bulunacaktır. Bununla birlikte, hematoksilin ve eozin (H&E) ile elde edilen patolojik görüntülerin görsel incelemelerine dayanan TFE3 RCC'yi diğer alt tiplerden ayırmak oldukça zordur. TFE3-RCC'nin brüt morfolojisi ccRCC'ninkine benzemektedir. Mikroskobik olarak, TFE3-RCC vakaları genellikle dallanma şeklinde düzenlenmiş epitelioid berrak hücreler, fibrovasküler çekirdekli papiller yapılar veya iç içe bir mimariye sahiptir. Bu özellikler TFE3-RCC'yi düşündürse de, morfoloji spektrumu oldukça değişkendir ve ccRCC veya papiller RCC gibi diğer RCC alt tipleri ile çakışabilmektedir.

H&E lekeli patolojik görüntülere makine öğrenimi uygulama konusuna artan ilgi

Son yıllarda, prognoz tahmini, kanser sınıflandırması ve mikrosatellit instabilitesi ve gen mutasyonu gibi genetik durum tahmini gibi çeşitli görevler için H & E lekeli patolojik görüntülere makine öğrenimi uygulama konusunda artan bir ilgi görülmüştür. Özellikle, Campanella ve arkadaşları 44.732 tam slayt görüntüsünün veri kümesinde değerlendirilen klinik dereceli bir hesaplamalı patoloji çerçevesi bildirmiştir. Görüntü işleme tekniklerini ve makine öğrenimi modellerini birleştiren Yu ve arkadaşları eğri (AUC) altında normali tümör slaytlarından ayırmada 0.85, akciğer adenokarsinomu ve skuamöz hücreli karsinom slaytlarını ayırt etmede 0.75 bir alana ulaşmışlardır. Yapılan bu çalışmalar, hesaplamalı patolojinin klinik karar desteğindeki etkinliğini göstermiştir. Yapılan bu çalışmada, 74 TFE3-RCC vakası ve 74 şeffaf hücreli RCC vakasının (ccRCC, en yaygın RCC alt tipi) hematoksilin ve eozinle boyanmış histopatoloji tüm slayt görüntülerini eşleştirilmiş cinsiyet ve tümör dereceli olarak toplanmış olup görüntü özelliklerini çıkarmak için otomatik bir hesaplama hattı uygulanmıştır. Karşılaştırmalı çalışma, TFE3-RCC ve ccRCC arasında önemli farklılıklar bulunan 52 görüntü özelliğini tanımlamaktadır. Makine öğrenimi modelleri, TFE3-RCC'yi ccRCC'den ayırt etmek için üretilmiş olup harici bir doğrulama setindeki sınıflandırma modellerinin testleri, ROC eğrisi altında 0.842 ila 0.894 arasında değişen alanlarda yüksek doğruluk göstermektedir.

Araştırmacılar, otomatik olarak türetilmiş görüntü özelliklerinin TFE3-RCC ve ccRCC arasındaki küçük morfolojik farklılıkları yakalayabildiğini ve TFE3-RCC teşhisi için potansiyel bir kılavuza katkıda bulunabileceğini göstermekte olduğunu belirtmişlerdir. Araştırmacılar yöntemlerinin, rutin olarak toplanan H & E lekeli histopatoloji slaytlarına dayanan TFE3-RCC teşhisini kolaylaştırabileceğini, böylece bu nadir ve agresif kanser alt tipinin doğru örnek kürasyonuna ve tedavi gelişimine katkıda bulunabileceğini ifade etmişlerdir.

Medikaynak Referanslar

Cheng J, Han Z, Mehra R, et al. Computational analysis of pathological images enables a better diagnosis of TFE3 Xp11.2 translocation renal cell carcinoma. Nat Commun. 2020;11(1):1778. Published 2020 Apr 14. doi:10.1038/s41467-020-15671-5

+ Tüm Referansları Göster
  1. Benzer İçerikler