Livia Schiavinato Eberlin será uma das palestrantes convidadas no PUBTechSF@Stanford!
A segunda edição do PUBTechSF será no dia 02 de abril, em Stanford.
Para reservar seu lugar, inscreva-se aqui!
Livia Schiavinato Eberlin se formou em Química pela UNICAMP e fez o seu Doutorado na Universidade de Purdue, sob a orientação do Prof. R. Graham Cooks. Ela iniciou o seu pós-doutorado em Stanford em 2012, no laboratório do Prof. Richard N. Zare. Sua tese foi selecionada como a melhor tese em Química dos EUA em 2012, e em reconhecimento Livia recebeu o prêmio “Nobel Laureate Signature Award”. Em 2014, Livia também foi selecionada para receber a L’Oreal USA for Women in Science Fellowship, e em 2015 foi listada como uma das “30 under 30” pesquisadoras em “healthcare” da revista Forbes.
Assista à palestra da Livia no canal do PUBTechSF no YouTube: “Nova tecnologia de imageamento molecular para diagnóstico de câncer durante cirurgia”.
Tratamento cirúrgico é a principal terapia para os tumores sólidos, incluindo câncer de cérebro, próstata, pâncreas, estômago, e outros. Remoção completa do tecido canceroso durante cirurgia oferece o melhor prognóstico e possibilidade de sobrevivência para a maioria dos pacientes com tumores sólidos. Entretanto, uma grande dificuldade durante o processo cirúrgico e que define o succeso da cirurgia é a avaliação das margens do tecido a fim de que se garanta a remoção total do tecido canceroso. Esse processo, que é feito por um patologista durante o decorrer da cirurgia pode demorar até uma hora, e pode ser subjetivo devido aos artefatos na morfologia das células de câncer que ocorrem durante o processamento do tecido durante a cirurgia.
Durante o meu doutorado, eu desenvolvi uma tecnologia de imageamento baseada na técnica de espectrometria de massas, por meio da qual análise molecular de tecido canceroso humano é feita diretamente na amostra, em questão de segundos. Esse método químico permite que um diagnóstico seja obtido rapidamente e com alta precisão durante a cirurgia. Durante meu pós-doutorado, em parceria com estatísticos de Stanford, nós desenvolvemos algoritmos para a construção de modelos estatísticos permitindo classificação rápida e automática dos perfis moleculares. A tecnologia está atuamente sendo testada em vários hospitais nos EUA e acredito que no futuro próximo vá melhorar a forma pela qual câncer é diagnosticado e tratado no meio clínico.
