محققان و پزشکان مرکز جامع سرطان UCLA Health Jonsson که در درمان بیماران با پرتودرمانی تخصص دارند، داده‌هایی را در مورد آخرین تحقیقات انکولوژی پرتوشناسی و نتایج کارآزمایی‌های بالینی در شصت و ششمین نشست سالانه انجمن انکولوژی پرتوی آمریکا (ASTRO) در واشنگتن دی سی، 29 سپتامبر ارائه خواهند کرد. تا 2 اکتبر

در این نشست سالانه، که پیشرو در انکولوژی پرتوشناسی است، 23 چکیده از محققان UCLA ارائه خواهد شد که زمینه های کلیدی انکولوژی پرتوشناسی را برجسته می کند، از جمله تحقیقات جدید در زمینه های فوق تخصص اعم از بقا، سرطان ریه/ بدخیمی های قفسه سینه، فیزیک، سارکوم، سرطان دستگاه گوارش، سرطان دستگاه تناسلی، سرطان زنان، سرطان کودکان و تنوع، برابری و گنجاندن در مراقبت های بهداشتی.

دکتر مایکل اشتاینبرگ، استاد و رئیس انکولوژی پرتوی در دانشکده پزشکی دیوید گفن در UCLA و مدیر امور بالینی در UCLA Health، گفت: «تیم ما مفتخر است که تحقیقاتی را ارائه می‌کند که مرزهای ممکن را در انکولوژی پرتویی جابجا می‌کند. مرکز جامع سرطان جانسون این مطالعات، از رویکردهای نوآورانه در شیمی‌درمانی و نظارت بر علائم گرفته تا پیشرفت‌ها در رادیوتراپی با هدایت MRI، بر تعهد ما به بهبود نتایج بیماران و شکل‌دهی آینده درمان سرطان تاکید می‌کند.

نکات برجسته ارائه های قابل توجه در ASTRO که توسط محققان UCLA رهبری می شود عبارتند از:

چکیده 1071: بیومارکرهای ژرملاین مبتنی بر میکرو RNA پاسخ کامل پاتولوژیک به کمورادیوتراپی نئوادجوانت در سرطان رکتوم

تیمی از محققان به سرپرستی دکتر جوآن ویدااس، پروفسور انکولوژی پرتوشناسی، نایب رئیس انکولوژی مولکولی و سلولی و مدیر تحقیقات ترجمه در دانشکده پزشکی دیوید گفن در UCLA، امضای ژنتیکی را شناسایی کردند که می‌تواند به پیش‌بینی بیماران مبتلا به این بیماری کمک کند. سرطان رکتوم پیشرفته به احتمال زیاد پس از درمان با ترکیبی از شیمی درمانی و رادیوتراپی به یک پاسخ کامل پاتولوژیک دست می یابد. قبل از این مطالعه، سنجشی مبتنی بر مولکولی برای پیش‌بینی اینکه کدام بیماران بیشتر از شیمی‌درمانی برای کمک به انتخاب درمان سود می‌برند، وجود نداشت. این مطالعه که با 90 بیمار مبتلا به سرطان رکتوم انجام شد، بر پلی‌مورفیسم‌های تک نوکلئوتیدی مرتبط با microRNA (miSNPs) متمرکز شد که تغییرات ژنتیکی هستند که می‌توانند سیگنال‌دهی microRNA را مختل کنند، فرآیندی حیاتی در تنظیم بیان ژن. با تجزیه و تحلیل mirSNPs در ارتباط با متغیرهای بالینی، از جمله سن، مرحله تومور و وضعیت جهش KRAS، محققان یک مدل پیش بینی با توانایی قوی برای شناسایی بیمارانی که در جایی که هیچ سلول توموری زنده پس از درمان باقی نمی ماند، به پاسخ کامل می رسند، توسعه دادند. مدل پیش‌بینی که با استفاده از تکنیک‌های آماری پیشرفته ساخته شده است، از مدل‌هایی که صرفاً بر اساس عوامل بالینی است، بهتر عمل می‌کند. این مدل رویکرد شخصی‌سازی‌شده‌تری را ارائه می‌دهد که می‌تواند بیمارانی را که احتمالاً به این رویکرد درمانی پاسخ می‌دهند، شناسایی کند و به طور بالقوه به آنها کمک کند از جراحی غیرضروری اجتناب کنند. این تیم قصد دارد این یافته ها را در گروه بیماران بزرگتر تأیید کند و توانایی امضای mirSNP برای پیش بینی سمیت درمان را بیشتر بررسی کند.

منبع:news-medical