Esta ferramenta prevê se o câncer de próstata retornará após a cirurgia

Uma ferramenta que analisa os padrões de expressão de quatro genes pode ajudar os médicos a prever se o câncer de próstata voltará a ocorrer após a cirurgia.

Atualmente, a única outra maneira de estimar a agressividade do tumor é com um escore de Gleason, um sistema de graduação para tumores de próstata que tem poder limitado na maioria dos casos, dizem os pesquisadores.

Alguns cânceres de próstata crescem muito lentamente, e quando a doença é detectada precocemente, as taxas de sobrevida em cinco anos são quase 100 por cento. No entanto, alguns homens são diagnosticados com uma doença localizada mais agressiva e, mesmo depois de uma prostatectomia radical para remover toda a próstata, o câncer retornará em um terço dos pacientes.

"Nosso estudo procurou melhorar as ferramentas de previsão usadas nesses tipos de casos para que os oncologistas soubessem com mais certeza quando recomendar tratamento adicional, como a radioterapia, imediatamente após a cirurgia", diz Hucky Land, diretor de pesquisa da Universidade de Instituto do Câncer Wilmot de Rochester, que liderou a pesquisa.

Mais cedo, o laboratório de Land descobriu um grande grupo de genes não mutantes que estão ativamente envolvidos no desenvolvimento do câncer. Depois de analisar a expressão desse gene em amostras congeladas de tecido de câncer de próstata, os pesquisadores descobriram a assinatura de quatro genes, que foi expressa de forma diferente no câncer de próstata que mais tarde retornou.

Justin Komisarof, um estudante de MD / PhD no laboratório Land, desenvolveu vários algoritmos e métodos para avaliar a assinatura do gene. A equipe de pesquisa concluiu que sua ferramenta superou outros métodos científicos e solicitou uma patente nos EUA.

Os institutos nacionais de saúde e Wilmot Cancer Institute / Roswell Park Cancer Collaboration Pilot Funds apoiou a pesquisa. Cientistas do Roswell Park Cancer Institute, em Buffalo, colaboraram no estudo, que aparece na revista Oncotarget.

Fonte: Universidade de Rochester

Livros relacionados:

at InnerSelf Market e Amazon