cancro al seno

Personalizzare le terapie nel cancro al seno metastatico HR-positivo/HER2-negativo

by

Nuove Prospettive nel Trattamento del Cancro al Seno Metastatico

Un recente studio pubblicato su PubMed (https://pubmed.ncbi.nlm.nih.gov/41524544/) apre nuove prospettive nel trattamento del cancro al seno metastatico (MBC) HR-positivo/HER2-negativo, il sottotipo più comune di cancro al seno metastatico. Questo tipo di cancro è caratterizzato da un decorso relativamente lungo, ma variabile, e da una sostanziale eterogeneità sia intertumore che intratumorale. Lo studio sottolinea l’importanza di personalizzare le terapie per affrontare queste complessità.

L’Eterogeneità come Sfida

Sebbene le terapie ormonali rimangano la pietra angolare del trattamento, quasi tutti i pazienti sviluppano alla fine resistenza. La ricerca si concentra sulla comprensione dei meccanismi di questa resistenza e sullo sviluppo di strategie terapeutiche mirate che possano superarla. L’eterogeneità del tumore, sia tra diversi pazienti che all’interno dello stesso tumore, rende questa sfida ancora più complessa. Identificare biomarcatori specifici e comprendere i percorsi di segnalazione cellulare coinvolti sono cruciali per la personalizzazione del trattamento.

Verso Terapie Personalizzate

Lo studio evidenzia la necessità di approcci terapeutici su misura. Questo include la selezione dei pazienti, il monitoraggio della risposta al trattamento e l’adattamento delle terapie nel tempo. L’obiettivo è quello di massimizzare l’efficacia del trattamento e minimizzare gli effetti collaterali. La ricerca futura si concentrerà sullo sviluppo di nuove terapie, sulla combinazione di farmaci esistenti e sull’identificazione di nuovi target terapeutici per migliorare i risultati per i pazienti affetti da cancro al seno metastatico HR-positivo/HER2-negativo.

Fonte: PubMed (NIH)

Lavoro a turni notturni e rischio di cancro al seno negli operatori sanitari: una revisione sistematica e meta-analisi

by

Lavoro a turni notturni e cancro al seno: Un’analisi approfondita per gli operatori sanitari

Un recente studio, pubblicato su PubMed, ha esaminato la correlazione tra il lavoro a turni notturni e il rischio di cancro al seno negli operatori sanitari (OS). La ricerca, una revisione sistematica e meta-analisi, ha approfondito i dati esistenti per valutare l’impatto di questa specifica condizione lavorativa sulla salute delle donne.

Risultati dello Studio

I risultati suggeriscono che il lavoro a turni notturni prolungato potrebbe essere associato a un aumento del rischio di cancro al seno negli OS. Tuttavia, gli autori dello studio sottolineano che l’associazione non è ancora definitivamente accertata. Nonostante ciò, se tale correlazione fosse confermata, il lavoro a turni notturni potrebbe essere responsabile di un numero significativo di casi di cancro al seno tra gli OS.

Implicazioni e Prospettive

Questo studio solleva importanti interrogativi sulla salute e sicurezza degli operatori sanitari. Ulteriori ricerche sono necessarie per comprendere appieno i meccanismi biologici che potrebbero spiegare questa potenziale correlazione. Nel frattempo, è fondamentale che i datori di lavoro e i professionisti sanitari siano consapevoli dei potenziali rischi e adottino misure preventive, ove possibile. Questo potrebbe includere la promozione di modelli di lavoro che minimizzino l’esposizione prolungata ai turni notturni e l’offerta di programmi di screening per la diagnosi precoce del cancro al seno.

Fonte: PubMed (NIH)

Ensemble di radiomica e ConvNeXt per la diagnosi del cancro al seno

by

Diagnosi del cancro al seno: l’approccio combinato di radiomica e deep learning

La diagnosi precoce del cancro al seno è fondamentale per migliorare i tassi di sopravvivenza. La radiomica e il deep learning (DL) hanno dimostrato un potenziale significativo nell’assistere i radiologi nell’individuazione precoce del cancro. Un nuovo studio, pubblicato su arXiv (2601.05373), valuta le prestazioni di radiomica, DL e tecniche di ensemble nella diagnosi del cancro da mammografie di screening.

Lo studio ha utilizzato due dataset indipendenti: la RSNA 2023 Breast Cancer Detection Challenge (11.913 pazienti) e una coorte messicana dal dataset TecSalud (19.400 pazienti). Il modello ConvNeXtV1-small DL è stato addestrato sul dataset RSNA e validato sul dataset TecSalud, mentre i modelli di radiomica sono stati sviluppati utilizzando il dataset TecSalud e validati con un approccio leave-one-year-out. L’approccio ensemble ha combinato e calibrato le previsioni utilizzando la stessa metodologia.

I risultati hanno dimostrato che l’approccio ensemble ha raggiunto l’area sotto la curva (AUC) più alta, pari a 0,87, rispetto a 0,83 per ConvNeXtV1-small e 0,80 per la radiomica. In conclusione, i metodi ensemble che combinano le previsioni di DL e radiomica migliorano significativamente la diagnosi del cancro al seno dalle mammografie.

Paper: ArXiv.org