Colorectal Cancer and Fatty Liver

 

Gan nhiễm mỡ không được xem là yếu tố nguy cơ khẳng định làm tăng di căn gan. Tuy nhiên, đây là chủ đề vẫn đang được nghiên cứu.

Một số điểm quan trọng:

• Gan là cơ quan di căn phổ biến nhất của ung thư đại trực tràng vì máu từ đại trực tràng đi qua tĩnh mạch cửa đến gan trước.
• Một số nghiên cứu cho thấy gan nhiễm mỡ có thể tạo môi trường thuận lợi hơn cho tế bào ung thư phát triển ở gan, trong khi các nghiên cứu khác lại không thấy gia tăng nguy cơ, hoặc thậm chí ghi nhận tỷ lệ di căn gan thấp hơn ở một số nhóm bệnh nhân.
• Vì các kết quả còn mâu thuẫn, các hướng dẫn điều trị hiện nay không coi gan nhiễm mỡ là yếu tố làm thay đổi đánh giá nguy cơ di căn gan ở bệnh nhân ung thư đại trực tràng.

Các yếu tố ảnh hưởng rõ ràng hơn đến nguy cơ di căn gan bao gồm:

• Giai đoạn của khối u (độ xâm lấn, hạch lympho).
• Đặc điểm mô bệnh học và sinh học của khối u.
• Có xâm lấn mạch máu hoặc thần kinh hay không.
• Một số đột biến gen của khối u (như KRAS, NRAS, BRAF...).

Researchers at VIB and KU Leuven, with international partners, have uncovered how fatty liver disease can fuel the most aggressive form of metastatic colorectal cancer. The findings, which appear in the leading journal Nature, not only explain why some patients face dramatically poorer outcomes but also highlight how metabolic conditions such as fatty liver disease may directly influence cancer progression, paving the way for more precise therapies tailored to a patient's metabolic health. 

Colorectal cancer (CRC) remains one of the leading causes of cancer-related death worldwide, accounting for nearly 1 in 10 cancer diagnoses, and is now the leading cause of cancer-related death in people under 50. A major reason for these poor outcomes is that up to 50% of patients develop secondary tumors in distant organs - primarily the liver - known as metastases, which dramatically reduces survival. 

Among the patients who develop metastases in the liver, survival is strongly affected by how tumors grow within the liver. Strikingly, patients with metastases that remain separated from healthy liver tissue, so-called encapsulated metastases, can reach 5‑year survival rates of around 73%. In contrast, patients with replacement metastases, where cancer cells infiltrate and interact with healthy liver tissue, face a much more aggressive disease, with survival rates dropping to below 44%. 

Despite this clear clinical divide, there is still a limited understanding of what drives the development of these aggressive metastases, and no therapies specifically targeting them, leaving a major unmet need for patients with poor-prognosis disease. 

How fat reshapes tumor biology 

The study also uncovers the molecular mechanism that links fatty liver to aggressive cancer spread. In fatty livers, elevated levels of fatty acids rewire the metabolism and behavior of cancer cells by stabilizing the protein MYC, a well-known driver of cancer growth. Stabilized MYC increases the production of proline, an amino acid that serves as a key building block for collagen. This collagen creates a structural environment that allows the tumor cells to infiltrate and expand within the liver, giving rise to replacement metastases. 

Radiomics Siêu âm trong các U Tuyến giáp

Siêu âm (US) thường dùng phát hiện và đánh giá các nhân tuyến giáp do tính hiệu quả vê chi phí và không xâm lấn.

Radiomics giải quyết hạn chế việc lệ thuộc người khám và đánh giá TI-RADS chủ quan bằng cách biến đổi hình ảnh thành dữ liệu định lượng khai thác được. Bằng cách trích xuất toán học sự phân bố không gian của cường độ tín hiệu và mối quan hệ giữa các pixels, radiomics được hỗ trợ bởi AI sẽ xác định các đặc trưng cấu trúc vi mô mà mắt thường không phân biệt được.

Các Ứng dụng Lâm sàng Chính

1. Phân biệt Nhân Lành tính và Ác tính

Mục tiêu chính của radiomics tuyến giáp là phân loại chính xác các nhân giáp để tránh các can thiệp không cần thiết và có ánh hưởng suốt đời (như cắt bỏ tuyến giáp). Mặc dù có tới 65% dân số nói chung có thể có nhân tuyến giáp tình cờ phát hiên, nhưng chỉ khoảng 7–15% là ác tính.

Hiệu suất Chẩn đoán: Các phân tích gộp và nghiên cứu gần đây chứng minh rằng các mô hình radiomic thường đạt được Diện tích dưới đường cong (AUC) vượt quá 0.90, thường ngang bằng hoặc vượt qua độ nhạy và độ đặc hiệu của người khám ít kinh nghiệm.


Phân tích Quanh nhân: Các mô hình hiện tại không chỉ đánh giá vùng bên trong nhân mà còn cả rìa quanh nhân sát tổn thương, được chứng minh là làm tăng đáng kể độ chính xác của dự đoán.

2. Quản lý Nhân Tuyến giáp Không xác định (ITNs)

Các nhân không xác định về mặt tế bào học (ví dụ: phân loại Bethesda I, III, IV hoặc V) là thách thức lâm sàng lớn sau khi chọc hút bằng kim nhỏ (FNA). Hơn một nửa số bệnh nhân có ITN phải mô sinh thiêt, nhưng 60–80% các nhân giáp bị cắt bỏ cuối cùng lại là lành tính.

Các mô hình Radiomics hoạt động như một công cụ phân tầng nguy cơ thứ cấp, không xâm lấn. Bằng cách dự đoán tỷ lệ ác tính thực sự trong các nhóm mơ hồ này, các mô hình này có thể làm giảm số ca sinh thiết và phẫu thuật không cần thiết.

3. Dự đoán Mức độ Xâm lấn và Tiên lượng

Vượt qua việc phân loại đơn giản, radiomics ngày càng được sử dụng để dự đoán hành vi của khối u trong các ung thư biểu mô tuyến giáp biệt hóa đã được xác định:

Xâm lấn Ngoài tuyến giáp (ETE): Dự đoán xem khối u có xâm lấn các cấu trúc vượt ra ngoài vỏ bao hay không.


Di căn Hạch bạch huyết: Dự báo Di căn Hạch trung tâm (CLNM) trước phẫu thuật để hướng dẫn phương pháp tiếp cận phẫu thuật và mức độ cắt bỏ.

Quy trình thực hiện Radiomics

Việc phát triển một mô hình radiomic siêu âm cho bệnh lý tuyến giáp thường tuân theo một quy trình chuẩn hóa:

Tiền xử lý Hình ảnh: Hình ảnh được lấy mẫu lại để có khoảng cách pixel đồng nhất. Cường độ pixel thường được chuẩn hóa để giảm thiểu sự biến thiên phát sinh từ các máy siêu âm và cài đặt độ khuếch đại quét khác nhau (ví dụ: sử dụng chuẩn hóa Z-score tiêu chuẩn).


Phân vùng: Xác định chính xác ranh giới 2D hoặc 3D của Vùng quan tâm (ROI) chứa nhân giáp.


Trích xuất Đặc trưng: Trích xuất năng suất cao hàng trăm đến hàng ngàn đặc trưng định lượng (thống kê bậc một, ma trận kết cấu và các thông số dựa trên wavelet) bằng cách sử dụng các công cụ như PyRadiomics.


Chọn lọc Đặc trưng: Các kỹ thuật giảm chiều dữ liệu, đáng chú ý nhất là phương pháp Toán tử Chọn lọc và Thu gọn Tuyệt đối Tối thiểu (LASSO), được áp dụng để thu hẹp hệ số của các yếu tố dự đoán ít quan trọng về 0, từ đó ngăn ngừa hiện tượng quá khớp (overfitting).


Xây dựng Mô hình: Mô hình học máy dự đoán cuối cùng tạo ra một dấu ấn sinh học hình ảnh định lượng được gọi là Rad-score. Dấu ấn này được xây dựng dưới dạng kết hợp tuyến tính của các đặc trưng được chọn.

Hạn chế Hiện tại và Hướng đi Tương lai