Detección temprana del cáncer de pulmón mediante inteligencia artificial

Scientific Reports volumen 13, número de artículo: 13702 (2023) Citar este artículo

423 Accesos

5 altmétrico

Detalles de métricas

La estructura de la cromatina supranucleosomal, incluida la conformación del dominio de la cromatina, está implicada en la regulación de la expresión génica y su desregulación se ha asociado con la carcinogénesis. Estudios anteriores han demostrado que las células de la mucosa bucal portan una firma molecular de cáncer de pulmón entre la población fumadora de cigarrillos, el fenómeno conocido como carcinogénesis de campo o campo de lesión. Por lo tanto, planteamos la hipótesis de que los cambios estructurales de la cromatina en la mucosa bucal pueden predecir el cáncer de pulmón. Sin embargo, el pequeño tamaño de la cadena de cromatina (aproximadamente 20 nm) plegada en dominios de empaquetamiento de cromatina, generalmente por debajo de 300 nm de diámetro, impide la detección de alteraciones en la conformación de la cromatina intradominio mediante microscopía óptica limitada por difracción. En este estudio, desarrollamos una técnica de nanodetección estadística espectroscópica óptica para detectar cambios en el dominio de empaquetamiento de la cromatina en la mucosa bucal como biomarcador de cáncer de pulmón: microscopía espectroscópica de onda parcial sensible a la cromatina (csPWS). Se aplicó inteligencia artificial (IA) a las mediciones de csPWS de las alteraciones de la cromatina para mejorar el rendimiento del diagnóstico. Nuestra nanocitología bucal csPWS mejorada con IA de 179 pacientes en dos sitios clínicos distinguió el cáncer de pulmón en etapa I versus los controles libres de cáncer con un área bajo la curva ROC (AUC) de 0,92 ± 0,06 para el sitio 1 (ubicación dentro del estado) y 0,82 ± 0,11 para el Sitio 2 (ubicación fuera del estado).

Idealmente, las pruebas de detección del cáncer deberían identificar el cáncer antes de que aparezcan los síntomas y mientras el tumor es pequeño para aumentar eficazmente las posibilidades de tratamiento y reducir la mortalidad. El cáncer de pulmón es la principal causa de muerte por cáncer en todas las razas y géneros en los EE. UU., con una tasa de supervivencia general a 5 años del 22,9%, que es notablemente más baja que el cáncer colorrectal (65,1%), mama (90,6%) y próstata (96,8%). )1. Sin embargo, si el cáncer de pulmón se detecta en una etapa temprana, es altamente curable mediante resección quirúrgica. La tasa de supervivencia a 5 años para el cáncer de pulmón no pequeño (NSLC) en etapa tardía (distante) es inferior al 8%, pero mejora al 64% si se detecta en una etapa localizada y alcanza el 80% si se detecta en la etapa IA2. La tomografía computarizada de dosis baja (LDCT) se ha establecido como el estándar de oro para la detección del cáncer de pulmón y se asocia con una disminución del 20% en la mortalidad entre los pacientes examinados con esta técnica. La accesibilidad, el costo, el estigma y la falta de cumplimiento de las directrices de LDCT se encuentran entre los principales desafíos que limitan su impacto, ya que solo alrededor del 5 % de la población elegible para la LDCT se somete a pruebas de detección3, lo que resulta en que el 55 % de los casos de cáncer de pulmón se detecten en una etapa avanzada. donde la tasa de supervivencia es inferior al 8%4. Por lo tanto, proponemos una prueba de detección mínimamente invasiva, accesible, sensible y precisa con alta sensibilidad (Se) al cáncer de pulmón en etapa temprana.

Los métodos de detección distintos de la LDCT, como las radiografías de tórax y la citología del esputo, han resultado insatisfactorios cuando se evalúan en entornos de detección clínica a gran escala5. Los nuevos métodos basados en biomarcadores proteicos estándar utilizados para la detección del cáncer no proporcionan suficiente sensibilidad y especificidad (Sp)6. Recientemente, ha habido un gran interés en el desarrollo de protocolos que se basan en secreciones tumorales en la sangre, como la biopsia líquida. Las pruebas desarrolladas por empresas como Grail, Freenome, Guardant, Delfi y Thrive identifican el cáncer mediante el análisis de propiedades del ADN tumoral circulante (ctDNA) o del ADN libre circulante derivado de tumores (cfDNA), como mutaciones genéticas, metilación y fragmentación7,8,9 ,10,11. Aunque los resultados iniciales se han mostrado prometedores en la detección de varios cánceres, incluido el cáncer de pulmón, la sensibilidad a las lesiones en etapa I y más pequeñas cae precipitadamente por debajo de un nivel clínicamente aceptable. Se ha sugerido que esto no es principalmente una limitación tecnológica, sino que puede estar relacionado con la biología de la fuente y el tipo de biomarcador. Las lesiones más pequeñas secretan menos ADNtc tumoral (~ 1 ADNtc/10 ml de sangre), mientras que la heterogeneidad del tumor solo puede modelarse a través de muchos biomarcadores de subproductos tumorales, lo que dificulta encontrar las cantidades necesarias de ADNtc en una muestra de sangre clínicamente práctica12. Por ejemplo, la sensibilidad general de la prueba de detección temprana de múltiples cánceres (MCED) del Grial cae del 90,1% [intervalo de confianza (IC) del 95%: 87,5–92,2%)] en pacientes en estadio IV al 16,8% [IC del 95%: 14,5– 19,5%] en pacientes en estadio I13. La biopsia líquida puede ser una herramienta poderosa para los cánceres no detectables (páncreas, etc.), pero para los cánceres con protocolos de detección establecidos, como el colorrectal y el pulmón, todavía se necesitan con urgencia métodos para detectar lesiones en etapa temprana altamente tratables. Para abordar estos problemas y desarrollar una prueba de detección eficaz para el cáncer de pulmón, optimizamos tres aspectos cruciales: (1) fuente de biomarcador, (2) tipo de biomarcador y (3) tecnología habilitadora.

Una fuente de biomarcadores ideal para el desarrollo de una prueba de detección a gran escala debería poder obtenerse mediante un procedimiento mínimamente invasivo, con un protocolo reproducible y fácil de implementar, y que proporcione una alta sensibilidad a pequeñas lesiones tratables14. Nuestro enfoque para encontrar esta fuente de biomarcadores se basa en la aplicación de un fenómeno bien establecido conocido como carcinogénesis de campo (o efecto de campo, campo de lesión), que se introdujo por primera vez hace seis décadas15. En la carcinogénesis de campo, las alteraciones genéticas/epigenéticas que conducen a la transformación de las células neoplásicas se distribuyen de manera difusa por todo el “campo de lesión”, incluso en la etapa premaligna15,16,17,18,19,20,21,22,23. En la carcinogénesis de campo molecular, los tumores surgen en un "campo" de apariencia histológicamente normal, fenotípicamente silencioso, pero precondicionado y premaligno. Este campo porta alteraciones transcriptómicas, genómicas y epigenéticas, que pueden ser indicativas de una neoplasia resultante dentro de la región afectada20,24. Debido a la naturaleza estocástica de estos cambios moleculares, algunas células pueden eventualmente dar lugar a un clon tumoral. Así, en la carcinogénesis del campo pulmonar, las células de toda la mucosa aerodigestiva albergan biomarcadores moleculares de carcinogénesis independientemente de su proximidad a un tumor16,17. La mucosa bucal es ampliamente reconocida como un "espejo molecular" para el cáncer de pulmón debido a la carcinogénesis de campo16,18,19,25 y la consideramos como nuestra fuente de biomarcadores por dos razones. En primer lugar, los cepillados bucales (mejillas) se realizan fácilmente y son especialmente adecuados para una prueba en el hogar o para un consultorio de atención primaria, dentista, etc., a diferencia de las “biopsias líquidas” que difícilmente pueden autoadministrarse. A continuación, debido a la relación etiológica entre la carcinogénesis de campo y el aumento de tumores en este contexto molecular, como biomarcador, se espera que la carcinogénesis de campo sea altamente sensible a los cánceres tempranos (p. ej., en etapa I), independientemente del tamaño del tumor, que es diagnóstico. Una diferencia crucial e importante con respecto a otras fuentes, como la sangre o el aliento, que dependen de la carga de secreciones de un tumor y, por lo tanto, son más sensibles a los tumores grandes que a los pequeños.

Determinar un tipo adecuado de biomarcador de cáncer de pulmón a partir de la mucosa bucal es el siguiente gran desafío. Los biomarcadores obtenidos a partir de cambios genéticos se ven afectados negativamente por el número extremadamente elevado de alteraciones genéticas y la sorprendente heterogeneidad tumoral que dificulta la aplicación de biomarcadores posteriores para la detección de lesiones pequeñas. Por otro lado, la estructura dinámica de la cromatina es un regulador de los patrones globales de expresión génica, que afecta las constantes de unión de los reactivos transcripcionales, su difusión a los sitios de transcripción y la accesibilidad de los genes a los reactivos, incluidos los factores de transcripción (TF) y las ARN polimerasas. (RNAP)26,27. En particular, se ha demostrado que la estructura de la cromatina es un regulador de la plasticidad transcripcional celular, que es una de las características etiológicas críticas de la carcinogénesis, lo que la convierte en un biomarcador candidato potencial para la detección del cáncer de pulmón en etapa temprana26,27,28.

Para comprender qué tipos de estructura de la cromatina pueden fomentar la carcinogénesis, primero necesitábamos calcular una métrica cuantificable de la estructura de la cromatina. Nosotros y otros hemos informado que la cromatina está organizada como una variedad de dominios de empaquetamiento29,30,31. En la escala de longitud más pequeña, el ADN envuelve histonas y forma complejos de nucleosomas de ~ 11 nm de “cuentas en una cuerda” que se pliegan aún más en la cadena de cromatina curvilínea, entre 5 y 24 nm32. Estas cadenas de cromatina están empaquetadas juntas en varias compactaciones y densidades estructurales formando bloques irregulares de dominios de empaquetamiento más grandes. Los dominios de empaquetamiento tienen propiedades morfológicas heterogéneas con un radio promedio de 80 nm y un tamaño genómico de aproximadamente 200 kpb33. Dentro de estos dominios, la cromatina muestra un comportamiento polimérico similar a un fractal (es decir, el comportamiento de escalamiento de masa dentro de los dominios sigue una relación cercana a la ley de potencia) junto con una densidad de masa que disminuye radialmente desde el centro hacia la periferia33. El escalamiento del empaquetamiento de cromatina (D) se define estimando el número de pares de bases (\(N\)) escalando con el radio del volumen ocupado (\(R\)) como \(N\alpha {R}^{\mathrm {D}}\). Los valores de D medidos experimentalmente se encuentran entre 5/3 y 3 en todos los dominios de empaquetamiento33. Un valor D más alto puede indicar un dominio de empaquetamiento con una mayor heterogeneidad de la cromatina y una menor conectividad genética, lo que resulta en contactos más frecuentes a mayor distancia34,35. Las estructuras del dominio de cromatina con una D más alta se han relacionado con una mayor regulación positiva de genes inicialmente regulados positivamente y la supresión concomitante de genes regulados negativamente26,34. A su vez, estos procesos resultan en patrones transcripcionales con mayor maleabilidad transcripcional y heterogeneidad transcripcional intercelular26,33. Como las células neoplásicas deben seguir desarrollando nuevos rasgos en respuesta a factores estresantes (p. ej., hipoxia, ataque al sistema inmunológico, nuevo microambiente, quimioterapia), se benefician de la plasticidad transcripcional. Las células tumorales que pueden regular de manera más eficiente las vías críticas de supervivencia para un nivel dado de estrés a través de la maleabilidad y heterogeneidad transcripcional tienen una mayor probabilidad de alcanzar un estado transcripcional raro que es crítico para la supervivencia de las células cancerosas, llevando así aún más este fenotipo transcripcional a través de la replicación y aumentando la probabilidad de que su descendencia adquiera otras mutaciones genéticas, algunas de las cuales pueden ser beneficiosas para la tumorigénesis. Por lo tanto, los estados de cromatina que facilitan la plasticidad transcripcional (incluido el dominio de empaquetamiento superior de cromatina \(\mathrm{D}\)) pueden desempeñar un papel fundamental en la creación de un "bucle de retroalimentación positiva proneoplásico" y, por lo tanto, servir como marcador de la progresión neoplásica35. Una correlación significativa entre los procesos proneoplásicos con una mayor escala de empaquetamiento D, así como la plasticidad transcripcional en diferentes neoplasias malignas, respalda el concepto de plasticidad transcripcional regulada por la cromatina. En particular, un análisis exhaustivo de la base de datos TCGS (The Cancer Genome Atlas) reveló que la divergencia transcripcional en tumores en estadios tardíos (estadios III-IV) en el momento del diagnóstico es un predictor independiente del tiempo de supervivencia entre pacientes con enfermedades de pulmón, colon y cáncer. y cáncer de mama26.

Los cambios estructurales de la cromatina se producen a lo largo de la cadena de cromatina hasta dominios en escalas de longitud de ~ 20 a ~ 300 nm, que es demasiado pequeño para ser observado mediante microscopía óptica convencional. Para medir de manera reproducible estas alteraciones subdifraccionales de la cromatina, desarrollamos una nueva técnica llamada microscopía espectroscópica de onda parcial sensible a la cromatina (PWS), basada en los principios físicos de la nanodetección espectroscópica estadística. csPWS es una técnica espectroscópica óptica rápida, confiable y sensible a nanoescala que puede detectar cambios en la conformación de la cromatina con una sensibilidad entre 23 y 334 nm36. La innovación clave en csPWS es la nanodetección estadística en la que las estructuras subdifraccionales, si bien no se pueden resolver mediante microscopía óptica convencional, sí se pueden detectar mediante el análisis de las variaciones espaciales del índice de refracción (RI) mediante la espectroscopia de interferencia de luz dispersa dentro de cada uno de los objetos microscópicos. vóxeles de resolución 25,37,38,39,40,41,42. El resultado de la microscopía csPWS es una imagen del núcleo celular donde el espectro resultante de la interferencia de la luz dispersada por las variaciones espaciales subdifraccionales de la densidad de la cromatina con una onda de referencia se procesa para medir la escala de empaquetamiento de la cromatina D30,33,43.

D describe una medición estadística cuantitativa del empaquetamiento tridimensional del polímero de cromatina dentro de un dominio autosemejante. Sin embargo, las condiciones físicas locales, como la densidad de hacinamiento nuclear, el tamaño genómico (Nd), la fracción de volumen del dominio y el posicionamiento intracelular del dominio (periférico versus interior, etc.) también son reguladores físicos importantes que ayudan a determinar la conectividad, la accesibilidad y la plasticidad transcripcional de la cromatina. y por tanto, la expresión génica26,44. Como la escala de empaquetamiento D no es el único predictor de la conformación que fomenta la plasticidad, el cálculo del D promedio no capturará completamente la complejidad de los mecanismos reguladores de la cromatina que influyen en la expresión génica. Por lo tanto, utilizamos algoritmos avanzados de aprendizaje automático e inteligencia artificial (IA) para distinguir las huellas biológicas del cáncer de pulmón contenidas en las imágenes de D nuclear. Este novedoso enfoque “híbrido” de IA + biomarcadores etiológicos es posible (y potente) mediante el desarrollo Capas de red neuronal (NN) informadas con datos mecanicistas obtenidos de las alteraciones de la estructura de la cromatina contenidas en la imagen D de escala de empaquetamiento. De esta manera, combinamos nuestra nueva microscopía csPWS con un enfoque de IA basado en conocimientos y logramos una alta sensibilidad para la detección del cáncer de pulmón en etapa temprana.

La nanocitología csPWS implica la recolección, envío y preparación de muestras bucales seguidas de la adquisición de imágenes csPWS y la evaluación de la imagen D de escala del empaquetamiento de cromatina nuclear mediante mejora de IA.

Los pacientes fueron reclutados a través de juntas de revisión institucional aprobadas en la Universidad Northwestern, el Hospital Northwestern Memorial y el Centro Médico de Boston/Universidad de Boston. Todos los métodos se realizaron de acuerdo con las directrices y regulaciones pertinentes y se obtuvo el consentimiento informado por escrito de todos los participantes. La cohorte estuvo compuesta por 96 pacientes con cáncer de pulmón confirmado histológicamente en el año anterior al reclutamiento (población de casos) y 83 pacientes con una exploración LDCT negativa dentro del año anterior al reclutamiento (poblaciones de control). 167 pacientes tenían más de 45 años, nueve pacientes tenían entre 27 y 44 años y se desconocía la edad de tres pacientes. Los criterios de exclusión fueron antecedentes familiares de cáncer de pulmón, exposición a quimioterapia y radiación en los últimos 3 meses, mujeres embarazadas o lactantes e incapacidad para dar consentimiento informado. Nuestros datos se obtuvieron con el descubrimiento y la validación independiente de conjuntos de datos del Sitio 1, Northwestern Memorial Hospital (NMH) en Chicago, Illinois, EE. UU., y el Sitio 2, Boston Medical Center (BMC) en Boston, Massachusetts, EE. UU. La población de control incluyó a no fumadores, fumadores de bajo y alto riesgo y pacientes con nódulos benignos. Los pacientes con cáncer de pulmón incluyeron todos los estadios, pero eran predominantemente pacientes en estadio I (62 % para el sitio 1, incluido el 11 % en estadio IA, y 76 % para el sitio 2, incluido el 14 % en estadio IA).

Las muestras bucales se recolectaron en el consultorio del médico de atención primaria mediante un procedimiento de hisopo bucal utilizando un estándar de atención mínimamente invasivo (Cytobrush, CooperSurgical, Inc., Trumbull, CT, EE. UU.). Los pacientes se enjuagaron la boca con agua tres veces antes de que el médico colocara las cerdas en el interior de una superficie bucal, seguido de un movimiento de arriba hacia abajo que incluía la rotación del cepillo. A continuación, los hisopos impregnados se sumergieron en tubos viales de 1,5 ml (Neptune Scientific, San Diego, EE. UU.) que contenían 750 ml de etanol al 25 % (tampón de recolección). Luego, las muestras se empaquetaron y enviaron al laboratorio central para su microscopía csPWS.

Las muestras del Sitio 2 se enviaron por vía aérea desde una ubicación fuera del estado, mientras que las muestras del Sitio 1 se enviaron por transporte terrestre desde una ubicación dentro del estado. Las muestras se mantuvieron a una temperatura inferior a 10 °C durante el transporte utilizando un kit de transporte personalizado y se recibieron en las instalaciones centrales dentro de las 24 h posteriores a la recolección de la muestra. El kit de transporte incluía una caja exterior de cartón corrugado (Uline, Pleasant Prairie, WI, EE. UU.) y refrigerantes de paquete polar (SONOCO Thermosafe, Arlington Heights, IL, EE. UU.) y la temperatura se controló mediante un indicador de temperatura (Timestrip, Cambridge, Reino Unido). El vial sellado se envasó utilizando un recipiente interior de espuma de poliestireno y láminas absorbentes para evitar posibles fugas en condiciones de refrigeración.

Las muestras clínicas se prepararon dentro de las 24 h posteriores a la recolección según los enfoques informados anteriormente45. En resumen, las muestras en etanol al 25% se depositaron por pulverización en un portaobjetos de microscopio Superfrost de la marca Fisher (Fisher Scientific, Hampton, NH, EE. UU.) utilizando nuestro sistema de deposición de células personalizado para formar una monocapa de células bucales que no se superponga. El portaobjetos de muestra se secó al aire antes de la fijación citológica con etanol al 95% (Thermo Fisher Scientific, Waltham, MA, EE. UU.) seguido de microscopía csPWS.

Desarrollamos un SOP csPWS para capturar los cambios estructurales de la cromatina nuclear bucal. Nuestro objetivo era garantizar un protocolo rápido, sólido, confiable y repetible con una pequeña variabilidad de las características físicas de las células adquiridas por csPWS de cada paciente. Para minimizar la complejidad en el sitio de recolección, llevamos a cabo la fijación de células y la deposición de muestras en el laboratorio central en lugar de en la oficina de atención primaria45. Para cada paciente, se recopiló un total de > 30 células, donde el número del tamaño de la muestra se determinó mediante análisis de poder con el intervalo de confianza (IC) en la D media restringido a menos del 5% de la diferencia entre la población con cáncer y la de control45. Creamos una solución de transporte de muestras de etanol al 25% y utilizamos nuestro dispositivo de deposición de células hecho a medida para depositar por pulverización una monocapa de células bucales no deformada y no superpuesta con límites nucleares claros en el portaobjetos de vidrio. Un paso de secado al aire mejoró la unión de las células al vidrio, seguido de una fijación con etanol al 95% y microscopía csPWS. El microscopio csPWS se controló mediante un software personalizado con una interfaz gráfica de usuario (GUI). El procedimiento de obtención de imágenes comenzó escaneando todo el portaobjetos utilizando un objetivo de aire de 10X. Se desarrolló un módulo de mapa de diapositivas semiautomático para generar rápidamente una imagen de bajo aumento mediante la recopilación y unión de imágenes de regiones de diapositivas individuales. Esto ayudó a un usuario capacitado que no conocía la información de diagnóstico a seleccionar más de 30 células bucales en todo el portaobjetos de manera oportuna. Nuestro protocolo de detección de células seleccionó células no plegadas y que no se superponen con límites de núcleo claros. La adquisición espectral de csPWS se realizó con las células en un medio líquido (95% de etanol) usando un objetivo óptico de 40X de inmersión en líquido (Nikon, Melville, NY, EE. UU.) para hacer coincidir el RI entre la célula bucal y la cubierta líquida (que se muestra en la Fig. .1a). El algoritmo de adquisición csPWS adquirió automáticamente datos espectrales para celdas seleccionadas y el algoritmo de análisis generó rápidamente los datos espectrales procesados. Estos procesos facilitaron resultados confiables y reproducibles, lo que hizo que csPWS fuera adecuado para estudios futuros más amplios que incluyan sitios clínicos adicionales.

( a ) Esquema del instrumento csPWS. Lente de tubo (TL), filtro sintonizable acústico-óptico (AOTF), semiconductor de óxido metálico complementario (CMOS). (b) instrumento csPWS (c) flujo de trabajo de nanocitología bucal csPWS.

El diseño y el esquema del instrumento csPWS y la ruta óptica para recopilar datos de células bucales se muestran en la Fig. 1a. El sistema óptico csPWS (que se muestra en la Fig. 1b) está construido en un microscopio comercial (Nikon Instruments, Melville, NY, EE. UU.) utilizando un cuerpo de microscopio Nikon Eclipse Ni-E con modificaciones realizadas para incluir una lámpara de xenón (Exceliatas, Tampa, FL). , EE.UU). La luz se alimenta a un filtro sintonizable acústico-óptico con una velocidad de conmutación de 50 μs, un ancho de banda de 3 nm y un rango espectral de 450 a 700 nm (Gooch y Housego, Reino Unido). La luz pasa a través de lentes objetivo (Nikon, Melville, NY, EE. UU.) que están conectados a una torreta de objetivo automatizada y a una muestra que se coloca con una etapa piezoeléctrica de nanomovimiento (Prior Scientific, Rockland, MA, EE. UU.). Los datos se registran a través de una cámara digital CMOS, ORCA Flash 2.8 (Hamamatsu, Bridgewater, Nueva Jersey, EE. UU.), lo que permite obtener imágenes hiperespectrales. La adquisición de csPWS automatizada y de alto rendimiento se obtiene utilizando iluminación Kohler para una iluminación uniforme de la muestra. Utilizamos una cámara RGB de alta velocidad y alta resolución (Thorlabs Inc., Newton, Nueva Jersey, EE. UU.) para el mapeo de diapositivas con bajo aumento (UPlanFL N 10x, Olympus). La integración de una cámara de alta velocidad con una etapa de muestra avanzada aceleró significativamente el procedimiento de recopilación de datos del csPWS. Mejoramos aún más la eficacia mediante el desarrollo de un software personalizado (MATLAB, Mathworks, Inc). Este software realiza un mapeo rápido de diapositivas con bajo aumento (UPlanFL N 10x, Olympus), seguido de un enfoque automático preciso en células individuales y una recopilación automática de datos resueltos espectralmente de todo el núcleo de más de 30 células de manera oportuna. El flujo de trabajo de la nanocitología csPWS se presenta en la Fig. 1c. Un avance significativo de csPWS radica en la utilización de modelos matemáticos para la estimación de la conformación del dominio de empaquetamiento de la cromatina, lo que se confirmó mediante simulación y resultados experimentales43.

Los sistemas de microscopía convencionales no pueden resolver estructuras de menos de 200 nm (la mitad de la longitud de onda de la luz). Nuestro laboratorio desarrolló csPWS, un enfoque de nanodetección espectroscópica estadística óptica para la detección de cambios en el dominio de empaquetamiento de la cromatina en el núcleo de la mucosa bucal para distinguir células bucales histológicamente normales que pueden portar una firma de cáncer. csPWS está configurado de modo que un material RI que varía espacialmente, como el núcleo de las células bucales, se intercala entre dos medios homogéneos semifinitos de vidrio y etanol al 95%. csPWS adquiere un gran aumento de imágenes monocromáticas resueltas espectralmente entre longitudes de onda de 450 a 700 nm y distingue escalas de longitud subdifraccionales no resolubles mediante el análisis espectroscópico de luz dispersa. Para una ubicación dada r dentro de una célula, el RI local es proporcional a la densidad macromolecular local (ρ) de proteínas, ADN y ARN como se muestra en la ecuación. (1)45,46.

donde α es el incremento de RI, que es casi independiente de la composición química macromolecular dentro de la precisión de las mediciones. csPWS utiliza microscopía de cubierta líquida para casi igualar el RI entre la célula bucal y la cubierta líquida (que se muestra en la Fig. 1a) mientras crea una falta de coincidencia entre la interfaz celda-vidrio. Por tanto, la dispersión de la luz de una onda de referencia está influenciada por la heterogeneidad a nanoescala y la variación de densidad de las macromoléculas intracelulares. Hacer coincidir el RI entre la célula bucal y la cubierta líquida minimiza la contribución de la rugosidad de la superficie celular en la señal de csPWS al tiempo que maximiza la contribución de la señal que surge de los cambios estructurales intercelulares.

Para cuantificar la fluctuación 3D RI del núcleo bucal de dispersión débil, csPWS calcula la desviación estándar de los espectros de interferencia (Σ) resultantes de la interferencia de la onda de referencia reflejada desde la interfaz celda-vidrio y la luz dispersada por todas las variaciones espaciales del RI debidas. a variaciones a nanoescala de la densidad de la cromatina dentro del volumen de coherencia formado por difracción en el plano transversal (458 × 458 nm2, fórmula de Abbe) y la profundidad de campo47 (2874 nm) longitudinalmente33,43. Σ es proporcional a la transformada de Fourier de la función de autocorrelación (ACF) de ρ(r) integrada sobre la transformada de Fourier del volumen de coherencia. Cada pila de imágenes csPWS se normaliza mediante la onda de referencia que se adquiere en la interfaz del vidrio y el medio de cobertura desde una región en blanco de la diapositiva. Dados los parámetros de instrumentación relacionados con la iluminación de la luz y la geometría de la colección, estimamos el valor D de escala de empaquetamiento a partir de Σ utilizando el marco analítico para cuantificar la estructura de la cromatina con microscopía espectral proporcionado en 43. La señal Σ medida por csPWS es proporcional a la distribución de densidad de masa de la cromatina (B (r), donde r es la separación espacial) convolucionada con una función de suavizado S (r), que se caracteriza por la configuración del sistema óptico. La evaluación de la microscopía electrónica de transmisión de cromatina con datos de etiquetado ChromEM (ChromTEM) en células A549 de adenocarcinoma de pulmón y células BJ diferenciadas nos llevó a modelar la distribución de la densidad de masa de cromatina mediante una función de autocorrelación de ley de potencia modificada controlada por el parámetro del modelo Db43. Se empleó la aproximación de Born para describir la función de suavizado S(r) basada en la apertura numérica del microscopio, el espectro fuente y las características de la muestra celular, como la apertura numérica de iluminación/colección de luz, la profundidad de campo y el espesor de la célula, la transmisión de Fresnel directa e inversa y los coeficientes de reflexión en la interfaz célula/vidrio, RI de los medios, densidad de cromatina y apiñamiento macromolecular, CVC y longitud genómica43. Empleando la transformada de Laplace dentro del régimen fractal, pudimos obtener el parámetro del modelo Db para un valor sigma dado, lo que nos llevó al cálculo de la densidad de masa ACF. La escala de empaquetamiento D se calculó a partir de la derivada de la función ACF de densidad de masa basada en la ecuación. (2)43.

La precisión de este enfoque se confirmó mediante la comparación con mediciones de D promedio realizadas por ChromTEM y un modelo computacional de cromatina que utiliza simulaciones en el dominio del tiempo de diferencias finitas (FDTD)43. La sensibilidad de la escala de longitud de csPWS depende de la geometría de la colección de iluminación. Utilizamos una apertura numérica (NA) de incidencia de luz de 0,6 y una recolección de luz NA de 0,8 para csPWS. Esta configuración de iluminación garantiza una intensidad uniforme en todo el plano de la muestra debido a la alineación de Köhler48 y ofrece una sensibilidad de escala de longitud de cromatina de 23 a 334 nm (el valor exacto depende de la estructura y el grosor de la muestra)36,49. Las escalas de longitud más grandes tienen un efecto insignificante en la señal de salida de csPWS45,50. Los datos de microscopía electrónica han revelado estructuras de cromatina bucal significativamente alteradas en este rango de escala de longitud51. Por lo tanto, la nanocitología csPWS es principalmente sensible a escalas de longitud que no se pueden resolver mediante microscopía óptica convencional, pero que tienen una profunda firma de carcinogénesis de campo.

Utilizamos IA con datos de csPWS para determinar si es posible detectar carcinogénesis de campo de la mucosa bucal en pacientes con cáncer de pulmón y distinguir alteraciones en los dominios de empaquetamiento de la cromatina bucal que indican el inicio y la progresión del tumor. Nuestro enfoque mejorado con IA consistió en segmentación nuclear, preprocesamiento, aprendizaje de características y clasificación de imágenes csPWS como se muestra en la Fig. 2. En este estudio se evaluaron casi 7000 imágenes bucales de csPWS D (960 × 720 píxeles) de 179 pacientes. La segmentación nuclear fue realizada por un usuario capacitado y cegado a la información de diagnóstico, y se excluyeron las células atípicas con formas deformadas. El usuario capacitado confía en las características de la imagen para detectar la región de interés, que es el núcleo completo, mediante la evaluación del contraste entre el límite nuclear y el citoplasma. Además, los núcleos suelen tener formas características, como redondas o elípticas, y texturas distintivas como la del citoplasma, que ayudan aún más al usuario a localizar el límite intacto de todo el núcleo. A continuación, se cambió el tamaño de las imágenes de los núcleos y se pasaron por la normalización mínima-máxima en nuestra subsección de preprocesamiento. Utilizamos un algoritmo de aprendizaje profundo previamente entrenado para extraer características caracterizantes de la imagen D mientras identificamos las características de diagnóstico utilizando un método de selección de características supervisadas. Para la unidad de extracción de características, incorporamos aprendizaje por transferencia en la arquitectura VGG16, una red neuronal convolucional (CNN) previamente entrenada en 14 millones de imágenes pertenecientes a 1000 etiquetas diferentes del conjunto de datos ImageNet. De las 13 capas convolucionales y cinco capas de Max Pooling del modelo VGG16, extrajimos características de las capas convolucionales finales en los bloques 2 al 5. Se calcularon la media y la desviación estándar de las características aplanadas en todas las células pertenecientes a un paciente para crear un vector de características. Utilizamos un método de aprendizaje de instancias múltiples (MIL) de agregación de características a nivel de instancia que facilitó el uso de verdades clínicas básicas a nivel de paciente. MIL permite una perfecta integración de procesos para los patólogos52 y por esa razón se utilizó en nuestro enfoque. Para reducir aún más la dimensión de la característica del paciente, llevamos a cabo un método de eliminación de características recursiva utilizando un algoritmo de bosque aleatorio, seleccionando así un panel de 40 características con propiedades de clasificación mejoradas. Utilizamos un clasificador de bosque aleatorio ajustado por parámetros para determinar los pacientes con cáncer de pulmón de las poblaciones de control mediante un análisis de las características de diagnóstico obtenidas por CNN. El ajuste del modelo clasificador para parámetros óptimos se realizó mediante búsqueda de cuadrícula mediante la búsqueda a través de iteraciones de múltiples configuraciones, de las cuales se utilizó para la clasificación la configuración del modelo con error mínimo para nuestro conjunto de datos. Para una evaluación sólida del rendimiento del modelo en nuestro conjunto de datos relativamente pequeño, calculamos nuestras métricas AUC, sensibilidad y especificidad utilizando un método de validación cruzada cuádruple estratificado con 5 iteraciones.

Flujo de trabajo y arquitectura de los pasos de extracción y clasificación de características.

Primero analizamos imágenes de csPWS D de muestras bucales clínicas en un estudio de casos y controles doble ciego del Sitio clínico 1. La mayoría de los pacientes identificados con cáncer de pulmón en este sitio estaban en el Estadio I: 26 de los 42 (62%). El porcentaje de pacientes femeninas con cáncer de pulmón fue del 56% y el 80% de los sujetos eran caucásicos. Caracterizamos la escala D de embalaje promedio y evaluamos el impacto de las variables demográficas y el historial de tabaquismo, así como la asociación con el estadio del cáncer de pulmón. Las imágenes csPWS D de ocho células bucales histológicamente normales (confirmadas mediante una imagen de campo brillante) muestran una variación del dominio intercelular y un aumento general en D en células pertenecientes a pacientes con cáncer de pulmón en comparación con un control de fumadores (Fig. 3).

Imagen de campo claro (primera) de la distribución de la imagen D (segunda y tercera) en ocho celdas de un paciente de control (izquierda) con D más baja y de un paciente con cáncer de pulmón (derecha) con D más alta. Los dominios del núcleo D están resaltados en rojo.

El gráfico de violín en la Fig. 4a demuestra la distribución del promedio del núcleo D (normalizado por control) y sugiere un valor D de escala de empaquetamiento general más alto para pacientes con cáncer de pulmón en comparación con la población de control. Los datos demográficos de los pacientes, incluida la edad, los paquetes-año (PKY) de tabaquismo, el sexo y la raza, y su asociación con el D promedio, se evaluaron con el criterio de significancia del valor p utilizando ANCOVA (que se muestra en la Tabla 1).

(a) Los gráficos de violín demostraron el rango poblacional y la distribución de D normalizada en la población de control (n = 40) y de casos (n = 42). (b) El análisis de regresión lineal evaluó el impacto de los factores demográficos en la escala de embalaje promedio D con la población de control y la población de casos.

ANCOVA no mostró una relación estadísticamente significativa entre el género, la raza y el año del paquete de fumar con la escala de embalaje promedio D, pero la edad presentó una correlación ligeramente negativa con una relación estadísticamente significativa. Demostramos diagramas de dispersión de pacientes con datos demográficos conocidos en la Fig. 4. La ligera pendiente de −0,006 en la línea de regresión para la población de control que se muestra en la Fig. 4 indicó un impacto mínimo del avance de la edad en el promedio D, donde el cambio en D para el envejecimiento de 20 años es menos del 18% de la diferencia en D entre la población de casos y de control. La aplicación de un ajuste por edad confirmó una influencia mínima en el rendimiento diagnóstico del D bucal promedio para la detección de cáncer de pulmón, con un aumento insignificante en el AUC de 0,76 a 0,77 (material complementario). Nuestras líneas de regresión que se muestran en la Fig. 4b demostraron una pendiente insignificante entre géneros tanto en la población de control (0,005) como en la de casos (-0,027). De manera similar, se identificaron pendientes triviales de 0,002 y −0,001 en diferentes razas en las poblaciones de control y de casos, respectivamente. Esto sugiere que el género y la raza no alteran la capacidad de diagnóstico. El tabaquismo por paquete-año mostró una pendiente notablemente pequeña de 9 × 10–5 y − 4 × 10–4 entre la población de casos y de control.

Evaluamos además el posible impacto del tabaquismo intenso y prolongado en D. La Figura 5 muestra la distribución de D bucal entre individuos con bajo riesgo de fumar (paquete-año <20 años, generalmente no elegibles para la detección LDCT) y alto riesgo de fumar (paquete-año ≥ 20 años, elegible para detección por LDCT). En particular, los pacientes con cáncer de pulmón demostraron una D más alta que la población de control tanto en las poblaciones elegibles como en las no elegibles para LDCT, y el aumento en la D entre los pacientes con cáncer de pulmón eclipsó el efecto insignificante del tabaquismo intenso y prolongado. (\(\Delta D\) para 20 paquetes-año < 20% \({\Delta D}_{control-del cáncer}\)). Este hallazgo sugiere que la D bucal promedio aumenta en pacientes con cáncer de pulmón tanto en pacientes no elegibles para LDCT con tabaquismo de baja intensidad como en pacientes elegibles para LDCT con tabaquismo de alta intensidad, independientemente de su historial de tabaquismo.

Rango poblacional y distribución de D normalizada entre pacientes con paquete-año de tabaquismo conocido. La D normalizada aumentó en pacientes con cáncer (n = 14) en comparación con la población de control (n = 7) en fumadores de bajo riesgo con PKY <20 años (valor p = 0,001). De manera similar, la D normalizada aumentó en pacientes con cáncer (n = 20) en comparación con la población de control (n = 20) en fumadores de alto riesgo con paquete-año ≥ 20 años (valor p = 0,017).

La nanocitología csPWS mejorada con IA se desarrolló para optimizar los datos del dominio de empaquetamiento de la mucosa bucal del núcleo para la detección del cáncer de pulmón en etapa I. Evaluamos el rendimiento del método de nanocitología csPWS mejorado con IA en los datos del Sitio 1 y observamos mejoras significativas en el rendimiento del diagnóstico, como lo demuestra el AUC en comparación con el protocolo D promedio nuclear sin IA. La curva ROC de D mejorada con IA presentó un AUC notablemente más alto de 0,9 en comparación con un AUC de 0,76 obtenido para el D nuclear promedio (Fig. 6a).

(a) Curva ROC para csPWS mejorado con IA (en negro sólido) en comparación con el núcleo D promedio en gris discontinuo (42 casos, 40 controles). (b) Comparación del rendimiento diagnóstico evaluado por el AUC de D mejorada con IA en comparación con la D promedio del núcleo para el cáncer de pulmón en etapa temprana y en todas las etapas.

Se observó una tendencia similar para la detección de cáncer de pulmón en etapa temprana (Etapa I o Etapa I y II), donde la nanocitología csPWS mejorada con IA demostró un AUC significativamente mayor que el método basado en el cálculo de una D nuclear promedio ( Figura 6b).

Realizamos una evaluación del rendimiento de D bucal mejorado con IA utilizando muestras adquiridas del Sitio 2, que estaba ubicado fuera del estado (BMC, Boston, MA). Los datos demográficos de los pacientes se muestran en la Tabla 2. La mayoría de los pacientes identificados con cáncer de pulmón se encontraban en el estadio I: 41 de 54 (76%), incluido el 12 % en el estadio IA. El porcentaje de pacientes mujeres (71%) y minorías (51%) también se enriqueció en la población con cáncer. ANCOVA no mostró efectos significativos para la edad, los paquetes-año de tabaquismo, el sexo o la raza en la D bucal (p > 0,24).

La Tabla 3 demuestra que el csPWS bucal mejorado con IA distinguió todos los estadios del cáncer de pulmón, incluidos los pacientes con cáncer de pulmón en estadio I de la población de control, con un AUC robusto de 0,82 ± 0,09 (Se = 78 %, Sp = 87 %).

Desde una perspectiva clínica, la detección temprana del cáncer de pulmón es fundamental para mejorar los resultados de los pacientes. Desafortunadamente, las estrategias existentes, como la detección de fumadores de alto riesgo mediante LDCT, tienen deficiencias. Estos incluyen la falta de aceptación (estimada en ~ 5%), falsos positivos, etc53. Esto ha dado impulso a otros enfoques, especialmente biomarcadores sanguíneos, incluidos los epigenéticos (microARN y metilación) y las proteínas secretadas por las células tumorales en la sangre54. Aunque son excelentes para tumores más grandes, los biomarcadores secretados por tumores tienen desventajas cuando se aplican a lesiones más tempranas. Esto puede estar relacionado con una menor secreción de biomarcadores tumorales en tumores pequeños en etapa temprana (es decir, curables). Además, especialmente para los biomarcadores mutacionales o genómicos, la considerable heterogeneidad tumoral y las mutaciones en etapas posteriores pueden no existir en un nivel alto en lesiones tumorales pequeñas. Las tecnologías mejoradas con IA que evalúan cientos de biomarcadores y tienen algunos éxitos enfrentan desafíos, ya que la mayoría de estos biomarcadores no son producidos en cantidades suficientes por tumores pequeños en etapa temprana. Así, el uso de técnicas que utilizan secreciones tumorales en la sangre como fuente de biomarcadores tiende a sufrir una caída de sensibilidad para las pequeñas lesiones neoplásicas que, desde el punto de vista diagnóstico, son de mayor interés12,55,56. Esto es lo que llevó a nuestro equipo a buscar enfoques alternativos para la detección del cáncer de pulmón.

Existe una creciente evidencia que respalda la carcinogénesis del campo pulmonar con múltiples alteraciones genéticas, epigenéticas, metabolómicas y transcripcionales encontradas en toda la mucosa aerodigestiva en pacientes con cáncer de pulmón15,19,20,21,22,23,57,58,59. 60. Esto sugiere que los pacientes que están genéticamente "programados" para tener una respuesta proneoplásica a un carcinógeno como fumar (sólo entre el 10 y el 20% de los fumadores empedernidos desarrollan cáncer de pulmón). En particular, una variedad de cambios genéticos/epigenéticos en la mucosa bucal concuerdan con los del cáncer de pulmón16,17,23,58,61,62.

La estructura de la cromatina sirve como sustrato que permite los cambios genéticos/epigenéticos que conducen a la neoplasia y, por lo tanto, con la tecnología adecuada, puede usarse como predictor de cáncer en células histológicamente normales, incluso antes del inicio de la formación de tumores. La medición de citometría63 y estudios espectroscópicos recientes18,19 han indicado cambios estructurales y cancerización de campo en la cavidad bucal de pacientes con cáncer de pulmón. El análisis de imágenes de microscopía electrónica determinó alteraciones en el empaquetamiento de la cromatina bucal en una escala de longitud entre 80 y 200 nm51, que es una característica profunda y significativa de la cancerización de campo. La cromatina está organizada en múltiples dominios de empaquetamiento, con un diámetro promedio de 160 nm, lo que demuestra un comportamiento de escalado de empaquetamiento invariante en la escala de longitud44. Más específicamente, el descriptor físico de la escala de empaquetamiento D es un marcador estadístico de la conformación de la cromatina que ha demostrado ser un predictor de la plasticidad transcripcional y se correlaciona con la probabilidad de supervivencia entre pacientes con cáncer26,30,33,44. Nuestra hipótesis es que la combinación de carcinogénesis de campo como fuente de biomarcadores y alteraciones en la conformación del dominio de cromatina como tipo de biomarcador se puede utilizar para desarrollar una nueva metodología de detección del cáncer de pulmón que explore la alteración del dominio de cromatina que fomenta la plasticidad transcripcional. Como la tumorigénesis se produce en este fértil campo epigenético, sus biomarcadores deberían ser indicativos de cáncer de pulmón independientemente del tamaño del tumor.

Desarrollamos nanocitología csPWS y utilizamos IA para optimizar la combinación de la fuente y el tipo de biomarcador mediante el empleo de carcinogénesis de campo. La conformación del dominio de empaquetamiento de cromatina bucal (es decir, mapeo del empaquetamiento de cromatina escalando D a través de los núcleos celulares) en células extraídas del epitelio bucal se evaluó mediante un análisis mejorado con IA de las imágenes intranucleares de D. Capas convolucionales y de agrupación máxima de VGG16 entrenadas en un amplio conjunto de datos de ImageNet, que captura con éxito características distintivas de las imágenes D. En particular, las primeras capas de convolución capturan características de bajo nivel de patrones locales dentro de la imagen D, mientras que las capas intermedias y superiores se centran más en estructuras específicas y complejas dentro del contexto global. Determinamos un subconjunto de características extraídas de las capas convolucionales finales de los bloques 2 a 5 que contienen información de diagnóstico valiosa de imágenes D y las empleamos para la detección de cáncer de pulmón. Nuestros biomarcadores mejorados con IA se desarrollan con capas informadas por cambios estructurales de la cromatina impulsados mecánicamente y tienen ventajas sobre los métodos convencionales de descubrimiento de biomarcadores, como (1) biomarcadores basados en hipótesis únicas y (2) los enfoques de "caja negra" mejorados con IA. Un enfoque de biomarcadores basado en una única hipótesis no puede capturar completamente la complejidad de las interacciones biológicas, mientras que el enfoque de "caja negra" no logrará ofrecer un diagnóstico preciso en un tamaño de muestra limitado debido a la falta de una justificación mecanicista. En este trabajo, unimos los dos enfoques mientras aprovechamos sus fortalezas y mitigamos sus debilidades para la detección del cáncer de pulmón en etapa temprana. Esta es la razón por la que nuestra microscopía csPWS mejorada con IA mostró un rendimiento diagnóstico significativamente mayor (AUC = 0,92) para la detección de cáncer de pulmón en estadio I en comparación con la evaluación univariada de D nuclear bucal (AUC = 0,75).

Para probar el rigor de nuestro enfoque, construimos específicamente este estudio a partir de dos datos demográficos y logísticos distintos para el descubrimiento (Sitio 1) y los conjuntos de datos de validación (Sitio 2). El conjunto de datos de descubrimiento procedía de un sitio más próspero y también requirió transporte local hasta el sitio de análisis de la muestra, mientras que el conjunto de datos de validación era un hospital de red de seguridad con pobreza y porciones mucho mayores de pacientes afroamericanos e hispanos. El sitio 2 estaba ubicado a casi 2000 millas del centro analítico, lo que aumenta la posibilidad de degradación de la cromatina durante el envío fuera del estado. Es importante destacar que el conjunto de validación fue una aproximación razonable que respalda la solidez de la nanocitología csPWS. La nanocitología csPWS mejorada con IA demostró un alto rendimiento diagnóstico para la detección de cáncer de pulmón en estadio I en las muestras del Sitio 1 (AUC = 0,92, Se = 92 %, Sp = 89 %) y en el Sitio 2 (AUC = 0,82, Se = 78%, E = 83%). Esto demuestra una mejora significativa con respecto a las tecnologías de vanguardia actuales (Se < 25 % para el cáncer de pulmón en estadio I)13,55. Además de la alta sensibilidad a las lesiones pequeñas y al cáncer de pulmón en estadio I, el rendimiento diagnóstico fue independiente del tamaño del tumor y mantuvo su sólida sensibilidad para los estadios II, III y IV. Esta alta sensibilidad al cáncer de pulmón en etapa temprana y tardía posiblemente se deba a la carcinogénesis de campo y a nuestro diseño de la fuente del biomarcador (mucosa bucal) y el tipo de biomarcador (estructura de la cromatina).

El rendimiento de la nanocitología csPWS mejorada con IA, especialmente para la enfermedad en etapa I, sugiere que puede tener un papel potencial en la clínica en el futuro. csPWS parece superar a los análisis de sangre actuales para la detección del cáncer de pulmón en etapa temprana, y si bien la LDCT ha mostrado una reducción razonable del 20 al 25 % en la mortalidad por cáncer de pulmón, su efectividad está limitada por el hecho de que solo alrededor del 5 % de la población elegible se somete a LDCT. cribado3. Debido a la falta de notificación de paquetes-año, el incumplimiento de la LDCT y el rápido aumento de las tasas de cáncer de pulmón en sujetos no fumadores (probablemente debido a la exposición al gas radón, la contaminación del aire, etc.), así como en los fumadores que dejaron de fumar y de segunda mano. , una parte importante de las muertes por cáncer de pulmón se produce actualmente entre pacientes que ni siquiera cumplirían los criterios para la detección mediante LDCT53. En quienes se someten a pruebas de detección mediante LDCT, los beneficios a menudo se ven contrarrestados por los daños derivados de hallazgos incidentales (lesiones benignas que actúan como imitaciones del cáncer de pulmón y que conducen a pruebas innecesarias y costosas, complicaciones por procedimientos invasivos y ansiedad del paciente, etc.53,64,65,66). . De hecho, en el caso de la LDCT, el número de pacientes necesarios para realizar pruebas de detección para prevenir una muerte en comparación con el número necesario para crear daño fue de 1 en 130 frente a 1 en 59, respectivamente67. Además, el sobrediagnóstico (detectar una enfermedad indolente y, por tanto, clínicamente insignificante) ha sido problemático, especialmente en las lesiones comunes en “vidrio esmerilado” que someten a los pacientes a tratamientos quirúrgicos que no mejoran la longevidad. La estratificación del riesgo (enriqueciendo a la población LDCT para el cáncer de pulmón) ha sido cada vez más popular. Se han utilizado enfoques demográficos como el algoritmo PLCO54; sin embargo, existe una alarma cada vez mayor por la incidencia de cáncer de pulmón en personas sin factores de riesgo tradicionales. Por lo tanto, el csPWS bucal puede ser un enfoque alternativo convincente.

Nuestro estudio tiene algunas limitaciones. Este estudio clínico utilizó un diseño de casos y controles con un número limitado de pacientes. Si bien el estudio muestra que nuestra tecnología de nanodetección mejorada con IA puede ser un enfoque prometedor para la detección temprana del cáncer de pulmón, se necesitan más datos clínicos. El trabajo futuro se basará en este estudio e implicará un análisis a gran escala para avanzar en el modelo de IA desarrollado en el manuscrito. Dado que la mayoría de los pacientes de este estudio tienen antecedentes de tabaquismo, estudios futuros validarán nuestros hallazgos con una población sustancial de no fumadores. Además, existen algunas variables de confusión que el trabajo futuro examinará más a fondo. Por ejemplo, se desconoce el posible impacto del envío en la degradación de la cromatina y es necesario determinarlo en estudios adicionales. De manera similar, se desconoce la contribución de las señales neoplásicas de diferentes capas de la mucosa bucal, y la compleja organización exacta de los dominios de empaquetamiento es un tema de investigación en curso. Esto sugiere que optimizaciones adicionales pueden conducir a mejores diagnósticos.

En resumen, nuestros datos clínicos validan la necesidad de optimizar la combinación de la fuente y el tipo de biomarcador, así como sus elecciones (carcinogénesis de campo y alteración de la cromatina). Nuestros datos demostraron que el csPWS bucal fue capaz de identificar el cáncer de pulmón en etapa temprana con excelente precisión, superando a otras supuestas pruebas mínimamente invasivas para neoplasias relevantes para la detección. El SOP de csPWS es compatible con una simple recolección autoadministrada en casa de un hisopo bucal, o en el consultorio del médico de atención primaria o del dentista, que luego puede enviarse a un laboratorio centralizado para su análisis. Esta estrategia tiene el potencial de aumentar significativamente la accesibilidad y la aceptación de las pruebas de detección y mejorar los resultados. El despliegue exitoso del paradigma csPWS mejorado con D/IA de carcinogénesis de campo/empaquetamiento de cromatina como estrategia de detección del cáncer de pulmón en la práctica clínica puede permitir potencialmente la detección altamente sensible de una porción mucho mayor de personas asintomáticas en riesgo o en riesgo promedio. población, lo que lleva a una mayor detección de cáncer en etapa temprana, una mejor mortalidad y menos falsos positivos y procedimientos innecesarios.

Los conjuntos de datos sin procesar generados y/o analizados durante el estudio están disponibles del autor correspondiente previa solicitud razonable.

VIDENTE. Informe anual a la nación 2022: Estadísticas generales sobre el cáncer, https://seer.cancer.gov/index.html (2022).

Cerfolio, RJ & Bryant, AS Supervivencia de pacientes con cáncer de pulmón de células no pequeñas en estadio I patológico verdadero. Ana. Torácico. Cirugía. 88, 917–922. https://doi.org/10.1016/j.athoracsur.2009.05.040 (2009) (discusión 922–913).

Artículo PubMed Google Scholar

Fedewa, SA et al. Variación estatal en la tomografía computarizada de dosis baja para la detección del cáncer de pulmón en los Estados Unidos. J. Natl. Instituto de Cáncer. 113, 1044-1052. https://doi.org/10.1093/jnci/djaa170 (2021).

Artículo PubMed Google Scholar

VIDENTE. Cáncer de pulmón y bronquios: datos estadísticos sobre el cáncer, SEER.,

Bach, PB, Silvestri, GA, Hanger, M. & Jett, JR Detección de cáncer de pulmón: guías de práctica clínica basadas en evidencia de la ACCP (segunda edición). Pecho 132(3), 69S-77S. https://doi.org/10.1378/chest.07-1349 (2007).

Artículo PubMed Google Scholar

Duffy, MJ, Diamandis, EP y Crown, J. ADN tumoral circulante (ctDNA) como prueba de detección de cáncer: ¿está finalmente en el horizonte? Clínico. Química. Laboratorio. Medicina. (CCLM) https://doi.org/10.1515/cclm-2021-0171 (2021).

Artículo PubMed Google Scholar

Phallen, J. y col. Detección directa de cánceres en etapa temprana utilizando ADN tumoral circulante. Ciencia. Traducción Medicina. https://doi.org/10.1126/scitranslmed.aan2415 (2017).

Artículo PubMed PubMed Central Google Scholar

Cohen, JD y cols. Detección y localización de cánceres resecables quirúrgicamente mediante un análisis de sangre de múltiples analitos. Ciencia 359, 926–930. https://doi.org/10.1126/science.aar3247 (2018).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Shen, SY, Burgener, JM, Bratman, SV y De Carvalho, DD Preparación de bibliotecas cfMeDIP-seq para el perfil de metiloma del ADN libre de células plasmáticas. Nat. Protocolo. 14, 2749–2780. https://doi.org/10.1038/s41596-019-0202-2 (2019).

Artículo CAS PubMed Google Scholar

Chen, X. et al. Detección precoz no invasiva del cáncer cuatro años antes del diagnóstico convencional mediante un análisis de sangre. Nat. Comunitario. 11, 3475. https://doi.org/10.1038/s41467-020-17316-z (2020).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Cristiano, S. et al. Fragmentación del ADN libre de células en todo el genoma en pacientes con cáncer. Naturaleza 570, 385–389. https://doi.org/10.1038/s41586-019-1272-6 (2019).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Fiala, C. & Diamandis, EP Utilidad del ADN tumoral circulante en el diagnóstico del cáncer con énfasis en la detección temprana. BMC Med. https://doi.org/10.1186/s12916-018-1157-9 (2018).

Artículo PubMed PubMed Central Google Scholar

Klein, EA y cols. Validación clínica de una prueba de detección temprana de múltiples cánceres basada en metilación dirigida utilizando un conjunto de validación independiente. Ana. Oncol. 32, 1167-1177. https://doi.org/10.1016/j.annonc.2021.05.806 (2021).

Artículo CAS PubMed Google Scholar

Vansteenkiste, J., Dooms, C., Mascaux, C. y Nackaerts, K. Detección y detección temprana del cáncer de pulmón. Ana. Oncol. 23(Suplemento 10), x320-327. https://doi.org/10.1093/annonc/mds303 (2012).

Artículo PubMed Google Scholar

Danely, P., Slaughter, MD, Southwick, HW y Smejkal, W. “Cancerización de campo” en epitelio escamoso estratificado oral. Implicaciones clínicas de origen multicéntrico. Cáncer 6, 963–968. https://doi.org/10.1002/1097-0142(195309)6:5%3c963::AID-CNCR2820060515%3e3.0.CO;2-Q (1953).

3.0.CO;2-Q" data-track-action="article reference" href="https://doi.org/10.1002%2F1097-0142%28195309%296%3A5%3C963%3A%3AAID-CNCR2820060515%3E3.0.CO%3B2-Q" aria-label="Article reference 15" data-doi="10.1002/1097-0142(195309)6:53.0.CO;2-Q">Artículo de Google Scholar

Saba, R., Halytskyy, O., Saleem, N. & Oliff, IA Epitelio bucal, tabaquismo y cáncer de pulmón: revisión de la literatura. Oncología 93, 347–353. https://doi.org/10.1159/000479796 (2017).

Artículo CAS PubMed Google Scholar

Shani, T. y col. Aberraciones numéricas cromosómicas en mucosa oral aparentemente normal de fumadores empedernidos afectados por cáncer de pulmón. Oncol oral. 46, 96–99. https://doi.org/10.1016/j.oraloncology.2009.10.010 (2010).

Artículo CAS PubMed Google Scholar

Bugter, O. y col. Hacia la detección óptica de cancerización de campo en la mucosa bucal de pacientes con cáncer de pulmón. Traducción Oncol. 12, 1533-1538. https://doi.org/10.1016/j.tranon.2019.07.018 (2019).

Artículo CAS PubMed PubMed Central Google Scholar

Radosevich, AJ y cols. Marcadores espectrales bucales para la estratificación del riesgo de cáncer de pulmón. MÁS UNO 9, e110157. https://doi.org/10.1371/journal.pone.0110157 (2014).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Lochhead, P. y col. Efecto de campo etiológico: reevaluación del concepto de efecto de campo en la predisposición y progresión del cáncer. Modificación. Patol. 28, 14-29. https://doi.org/10.1038/modpathol.2014.81 (2015).

Artículo PubMed Google Scholar

Steiling, K., Ryan, J., Brody, JS y Spira, A. El campo de la lesión tisular en los pulmones y las vías respiratorias. Cáncer anterior. Res. 1, 396–403. https://doi.org/10.1158/1940-6207.capr-08-0174 (2008).

Artículo CAS Google Scholar

Hosgood, HD y cols. La variación en el microbioma oral se asocia con el riesgo futuro de cáncer de pulmón entre los que nunca fumaron. Tórax 76, 256–263. https://doi.org/10.1136/thoraxjnl-2020-215542 (2021).

Artículo PubMed Google Scholar

Kolbasina, NA et al. El cáncer de pulmón aumenta la concentración de H2O2 en el condensado del aliento exhalado, la extensión del daño del ADNmt y el número de copias del ADNmt en la mucosa bucal. Helio 6, e04303. https://doi.org/10.1016/j.heliyon.2020.e04303 (2020).

Artículo PubMed PubMed Central Google Scholar

Sinjab, A., Han, G., Wang, L. y Kadara, H. Carcinogénesis de campo en la evolución del cáncer: ¿qué está pasando en la célula? Res. Cáncer. 80, 4888–4891. https://doi.org/10.1158/0008-5472.CAN-20-1956 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Roy, HK y cols. Detección óptica de alteraciones nanoarquitectónicas del epitelio bucal en pacientes con cáncer de pulmón: implicaciones para el cribado. Res. Cáncer. 70, 7748–7754. https://doi.org/10.1158/0008-5472.Can-10-1686 (2010).

Artículo CAS PubMed PubMed Central Google Scholar

Virk, RKA y cols. El empaquetamiento desordenado de la cromatina regula la plasticidad fenotípica. Ciencia. Adv. 6, eax6232. https://doi.org/10.1126/sciadv.aax6232 (2020).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Almassalha, LM et al. El panorama genómico más amplio: la evolución heterogénea del cáncer. Res. Cáncer. 76, 5605–5609 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Cherkezyan, L. et al. Los cambios a nanoescala en la organización de la cromatina representan los pasos iniciales de la tumorigénesis: un estudio de microscopía electrónica de transmisión. BMC Cáncer 14, 189. https://doi.org/10.1186/1471-2407-14-189 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Xu, J. y col. Las imágenes de súper resolución revelan la evolución del plegamiento de la cromatina de orden superior en la carcinogénesis temprana. Nat. Comunitario. https://doi.org/10.1038/s41467-020-15718-7 (2020).

Artículo PubMed PubMed Central Google Scholar

Li, Y. et al. La plataforma de análisis e imágenes de cromatina a nanoescala une la organización de la cromatina 4D con la función molecular. Ciencia. Adv. https://doi.org/10.1126/sciadv.abe4310 (2021).

Artículo PubMed PubMed Central Google Scholar

Ide, S., Imai, R., Ochi, H. y Maeshima, K. Supresión transcripcional del ADN ribosomal con separación de fases. Ciencia. Adv. https://doi.org/10.1126/sciadv.abb5953 (2020).

Artículo PubMed PubMed Central Google Scholar

Ou, HD et al. ChromEMT: visualización de la estructura y compactación de la cromatina en 3D en interfase y células mitóticas. Ciencia https://doi.org/10.1126/science.aag0025 (2017).

Artículo PubMed PubMed Central Google Scholar

Li, Y. et al. Análisis de dominios de empaquetamiento de cromatina tridimensional mediante microscopía electrónica de transmisión de barrido de cromatina (ChromSTEM). Ciencia. Representante https://doi.org/10.1038/s41598-022-16028-2 (2022).

Artículo PubMed PubMed Central Google Scholar

Gladstein, S. y col. Medición de la heterogeneidad de la cromatina a nanoescala con microscopía espectroscópica de onda parcial. Métodos Mol. Biol. 1745, 337–360. https://doi.org/10.1007/978-1-4939-7680-5_19 (2018).

Artículo CAS PubMed PubMed Central Google Scholar

Almassalha, LM et al. Ingeniería macrogenómica mediante la modulación del escalado de la densidad de empaquetamiento de la cromatina. Nat. Biomédica. Ing. 1, 902–913. https://doi.org/10.1038/s41551-017-0153-2 (2017).

Artículo CAS PubMed PubMed Central Google Scholar

Cherkezyan, L. et al. Revisión de espectroscopía interferométrica de luz dispersa para la cuantificación de estructura subdifraccional de biomateriales. J. Biomed. Optar. 22, 30901. https://doi.org/10.1117/1.Jbo.22.3.030901 (2017).

Artículo PubMed Google Scholar

Konda, V. y col. Marcadores a nanoescala de carcinogénesis de campo esofágico: posibles implicaciones para la detección del cáncer de esófago. Endoscopia 45, 983–988. https://doi.org/10.1055/s-0033-1344617 (2013).

Artículo PubMed PubMed Central Google Scholar

Backman, V. & Roy, HK Avances en la detección biofotónica de la carcinogénesis de campo para la estratificación del riesgo de cáncer de colon. J. Cáncer 4, 251–261. https://doi.org/10.7150/jca.5838 (2013).

Artículo PubMed PubMed Central Google Scholar

Damania, D. et al. Información sobre el campo de la carcinogénesis del cáncer de ovario basada en la nanocitología de células epiteliales endocervicales y endometriales. En t. J. Cáncer 133, 1143-1152. https://doi.org/10.1002/ijc.28122 (2013).

Artículo CAS PubMed PubMed Central Google Scholar

Subramanian, H. y col. Metodología óptica para detectar consecuencias a nanoescala histológicamente no aparentes de alteraciones genéticas en células biológicas. Proc. Nacional. Acad. Ciencia. Estados Unidos 105, 20118–20123. https://doi.org/10.1073/pnas.0804723105 (2008).

Artículo ADS PubMed PubMed Central Google Scholar

Subramanian, H. y col. La espectroscopía microscópica de onda parcial detecta fluctuaciones del índice de refracción por debajo de la longitud de onda: una aplicación al diagnóstico del cáncer. Optar. Letón. 34, 518–520. https://doi.org/10.1364/OL.34.000518 (2009).

Artículo ADS PubMed PubMed Central Google Scholar

Subramanian, H. y col. Cambios celulares a nanoescala en la carcinogénesis de campo detectados mediante espectroscopia de onda parcial. Res. Cáncer. 69, 5357–5363. https://doi.org/10.1158/0008-5472.CAN-08-3895 (2009).

Artículo CAS PubMed PubMed Central Google Scholar

Eid, A. et al. Caracterización del escalamiento del empaquetamiento de cromatina en núcleos completos mediante microscopía interferométrica. Optar. Letón. 45, 4810–4813. https://doi.org/10.1364/OL.400231 (2020).

Artículo ADS PubMed PubMed Central Google Scholar

Wang, X. et al. Reprogramación de cromatina y regeneración ósea in vitro e in vivo mediante la constricción de núcleos celulares inducida por microtopografía. Nat. Biomédica. Ing. https://doi.org/10.1038/s41551-023-01053-x (2023).

Artículo PubMed PubMed Central Google Scholar

Subramanian, H. y col. Procedimientos para la estratificación del riesgo de cáncer de pulmón mediante nanocitología bucal. Biomédica. Optar. Expreso 7, 3795–3810. https://doi.org/10.1364/boe.7.003795 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Davies, HG, Wilkins, MHF, Chayen, J. & La Cour, LF El uso del microscopio de interferencia para determinar la masa seca en células vivas y como método citoquímico cuantitativo. J. Ciencia celular. 3-95, 271–304. https://doi.org/10.1242/jcs.s3-95.31.271 (1954).

Artículo de Google Scholar

Spring, KR & Davidson, ME Profundidad de campo y profundidad de enfoque. https://www.microscopyu.com/microscopy-basics/profundidad-de-campo-y-profundidad-de-enfoque. Consultado por última vez el 8 de mayo del 1 al 3 (2012).

Chandler, JE y cols. Nanocitología espectral de alta velocidad para la detección temprana del cáncer. J. Biomed. Optar. 18, 117002. https://doi.org/10.1117/1.JBO.18.11.117002 (2013).

Artículo ADS PubMed PubMed Central Google Scholar

Cherkezyan, L., Subramanian, H. y Backman, V. ¿Qué escalas de longitud estructural se pueden detectar mediante la varianza espectral de una imagen de microscopio? Optar. Letón. 39, 4290. https://doi.org/10.1364/ol.39.004290 (2014).

Artículo ADS PubMed PubMed Central Google Scholar

Cherkezyan, L. et al. La espectroscopía interferométrica de luz dispersa puede cuantificar las estadísticas de las fluctuaciones del índice de refracción subdifraccional. Física. Rev. Lett. https://doi.org/10.1103/physrevlett.111.033903 (2013).

Artículo PubMed PubMed Central Google Scholar

Bugter, O. y col. Detección temprana del cáncer del tracto aerodigestivo superior mediante microscopía electrónica para revelar alteraciones en el empaquetamiento de la cromatina en las células de la mucosa bucal. Microscopía. Microanal. 27, 878–888. https://doi.org/10.1017/s1431927621000507 (2021).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Perincheri, S. y col. Una evaluación independiente de un sistema de inteligencia artificial para la detección del cáncer de próstata muestra una gran precisión diagnóstica. Modificación. Patol. 34, 1588-1595. https://doi.org/10.1038/s41379-021-00794-x (2021).

Artículo PubMed PubMed Central Google Scholar

Ostrin, EJ, Sidransky, D., Spira, A. y Hanash, SM Biomarcadores para la detección y detección del cáncer de pulmón. Epidemiol del cáncer. Biomarca. Anterior. 29, 2411–2415. https://doi.org/10.1158/1055-9965.Epi-20-0865 (2020).

Artículo CAS Google Scholar

Adams, SJ y cols. Detección de cáncer de pulmón. Lanceta 401, 390–408. https://doi.org/10.1016/s0140-6736(22)01694-4 (2023).

Artículo PubMed Google Scholar

Liu, MC y cols. Detección y localización sensible y específica de múltiples cánceres mediante firmas de metilación en ADN libre de células. Ana. Oncol. 31, 745–759. https://doi.org/10.1016/j.annonc.2020.02.011 (2020).

Artículo CAS PubMed Google Scholar

Putcha, G., Gutierrez, A. & Skates, S. Detección de cánceres múltiples: una talla no sirve para todos. JCO Precis. Oncol. https://doi.org/10.1200/po.20.00488 (2021).

Artículo PubMed Google Scholar

Dakubo, GD, Jakupciak, JP, Birch-Machin, MA y Parr, RL Implicaciones clínicas y utilidad de la cancerización de campo. Int. de células cancerosas. 7, 2. https://doi.org/10.1186/1475-2867-7-2 (2007).

Artículo PubMed PubMed Central Google Scholar

Butani, M. et al. Epitelio oral como tejido sustituto para evaluar las alteraciones moleculares inducidas por el tabaquismo en los pulmones. Cáncer anterior. Res. 1, 39–44. https://doi.org/10.1158/1940-6207.capr-08-0058 (2008).

Artículo de Google Scholar

Sridhar, S. y col. Los cambios en la expresión genética inducidos por el tabaquismo en las vías respiratorias bronquiales se reflejan en el epitelio nasal y bucal. BMC Genomics 9, 259. https://doi.org/10.1186/1471-2164-9-259 (2008).

Artículo CAS PubMed PubMed Central Google Scholar

Gomperts, BN, Walser, TC, Spira, A. & Dubinett, SM Enriquecimiento de la definición molecular del “campo de cancerización” de las vías respiratorias: establecimiento de nuevos paradigmas para el paciente en riesgo de cáncer de pulmón. Cáncer anterior. Res. 6, 4–7. https://doi.org/10.1158/1940-6207.Capr-12-0470 (2013).

Artículo CAS Google Scholar

Bae, D.-J., Jun, JA, Chang, HS, Park, JS y Park, C.-S. Cambios epigenéticos en el asma: papel de la metilación del ADN CPG. Tuberc. Respirar. Dis. 83, 1. https://doi.org/10.4046/trd.2018.0088 (2020).

Artículo de Google Scholar

Sidransky, D. La cavidad bucal como espejo molecular de la carcinogénesis pulmonar. Cáncer anterior. Res. 1, 12-14. https://doi.org/10.1158/1940-6207.capr-08-0093 (2008).

Artículo de Google Scholar

Kemp, RA y Turic, B. ¿Se puede detectar el cáncer de pulmón temprano a partir de raspados de la mucosa bucal? Pecho 128, 154S. https://doi.org/10.1378/chest.128.4_meetingabstracts.154s-a (2005).

Artículo de Google Scholar

Tablero, PS a. Examen de detección de cáncer de pulmón de PE (PDQ®): versión para profesionales de la salud, https://www.cancer.gov/types/lung/hp/lung-screening-pdq (2022).

Bach, PB y cols. Beneficios y daños de la detección por TC del cáncer de pulmón: una revisión sistemática. JAMA 307, 2418–2429. https://doi.org/10.1001/jama.2012.5521 (2012).

Artículo CAS PubMed PubMed Central Google Scholar

Investigación del ensayo nacional de detección pulmonar T et al. Reducción de la mortalidad por cáncer de pulmón con detección por tomografía computarizada de dosis baja. N. inglés. J. Med. 365, 395–409. https://doi.org/10.1056/NEJMoa1102873 (2011).

Artículo de Google Scholar

Jonas, DE et al. Detección de cáncer de pulmón con tomografía computarizada de dosis baja: informe de evidencia actualizado y revisión sistemática para el grupo de trabajo de servicios preventivos de EE. UU. JAMA 325, 971–987. https://doi.org/10.1001/jama.2021.0377 (2021).

Artículo PubMed Google Scholar

Descargar referencias

Este trabajo fue apoyado por las subvenciones U54CA268084, R01CA228272 y R01CA225002 de los Institutos Nacionales de Salud (NIH), la subvención EFMA-1830961 de la Fundación Nacional de Ciencias (NSF) y el apoyo filantrópico de Rob y Kristin Goldman y la Christina Carinato Charitable Foundation. AD quiere agradecer a Benjamin D Keane por su valiosa ayuda en la preparación del manuscrito.

Estos autores contribuyeron igualmente: Ali Daneshkhah y Sravya Prabhala.

Departamento de Ingeniería Biomédica, Universidad Northwestern, Evanston, IL, EE. UU.

Ali Daneshhah, Sravya Prabhala, Hariharan Subramanian, Andrew S Chang y Vadim Backman

NanoCytomics, Evanston, Illinois, EE. UU.

Parvathi Viswanathan, Hariharan Subramanian y Jianan Lin

Facultad de Medicina Baylor, Houston, TX, EE. UU.

Hemant Kumar Roy

Departamento de Cirugía, Facultad de Medicina Feinberg, Instituto Torácico Canning, Universidad Northwestern, 420 East Superior Street, Chicago, IL, 60611, EE. UU.

Ankit Bharat

También puedes buscar este autor en PubMed Google Scholar.

VB, HS, HKR y AB diseñaron el proyecto. AD, SP y PV realizaron análisis estadísticos y de datos. AD y PV prepararon el manuscrito mientras todos los autores contribuyeron y brindaron comentarios. AB y HKR recopilaron datos clínicos de dos sitios. JL recopiló datos de csPWS.

Correspondencia a Vadim Backman.

Dres. Subramanian, Backman y Roy son cofundadores y/o accionistas de NanoCytomics LLC. PV y JL habían sido contratados por NanoCytomics LLC. Todos los aspectos de este estudio se realizaron bajo la supervisión del Comité de Conflictos de Intereses de la Universidad Northwestern y la Facultad de Medicina de Baylor.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Daneshkhah, A., Prabhala, S., Viswanathan, P. et al. Detección temprana del cáncer de pulmón mediante nanodetección óptica de alteraciones de la cromatina mejorada con inteligencia artificial en la carcinogénesis de campo. Representante científico 13, 13702 (2023). https://doi.org/10.1038/s41598-023-40550-6

Descargar cita

Recibido: 07 de abril de 2023

Aceptado: 12 de agosto de 2023

Publicado: 22 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-40550-6

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.

Blog

Detección temprana del cáncer de pulmón mediante inteligencia artificial