Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil




Eventos

09 abr 2024 - 12 abr 2024
15 abr 2024 - 17 abr 2024
23 abr 2024 - 26 abr 2024

Identifican bacterias con inteligencia artificial

Por el equipo editorial de LabMedica en español
Actualizado el 31 Jan 2018
Print article
Imagen: La plataforma para Escaneo e Imagenología de Láminas MetaFer Slide con un microscopio Zeiss (Fotografía cortesía de MetaSystems Group).
Imagen: La plataforma para Escaneo e Imagenología de Láminas MetaFer Slide con un microscopio Zeiss (Fotografía cortesía de MetaSystems Group).
Los microscopios mejorados con inteligencia artificial (IA) podrían ayudar a los microbiólogos clínicos a diagnosticar infecciones sanguíneas potencialmente mortales y mejorar las probabilidades de supervivencia de los pacientes.
 
Los científicos han demostrado que un sistema de microscopio automatizado con IA es “muy hábil” para identificar imágenes de bacterias de forma rápida y exacta. El sistema automatizado podría ayudar a aliviar la falta actual de microbiólogos altamente capacitados, que se espera empeore a medida que el 20% de los tecnólogos alcancen la edad de jubilación en los próximos cinco años.
 
Los científicos que trabajan con el Departamento de Patología, en el Centro Médico Beth Israel Deaconess (Boston, MA, EUA), usaron un microscopio automático diseñado para recolectar datos de imágenes de alta resolución de los portaobjetos microscópicos. En este caso, se incubaron las muestras de sangre tomadas de pacientes con sospecha de infecciones en el torrente sanguíneo para aumentar el número de bacterias. Luego, se prepararon las láminas colocando una gota de sangre en un portaobjetos de vidrio y se colorearon para hacer que las estructuras de las células bacterianas fueran más visibles.
 
Los investigadores luego entrenaron una red neuronal convolucional (CNN), una clase de inteligencia artificial modelada en la corteza visual de los mamíferos y utilizada para analizar datos visuales, para categorizar las bacterias en función de su forma y distribución. Estas características se seleccionaron para representar a las bacterias que, con mayor frecuencia, causan infecciones del torrente sanguíneo; las bacterias en forma de bastón que incluyen la Escherichia coli; los racimos redondos de especies de Staphylococcus y los pares o cadenas de las especies de Streptococcus. Se obtuvieron imágenes de todas las diapositivas sin usar cubreobjetos utilizando la plataforma de Escaneo e Imagenología de Láminas MetaFer (MetaSystems Group, Inc., Newton, MA, EUA) con un cargador automatizado con una capacidad de 140 portaobjetos, equipada con un objetivo de 40 × de aumento Plan-Neofluar (Abertura numérica 0,75, Carl Zeiss, Oberkochen, Alemania). 
 
Para entrenarlo, los científicos alimentaron su red neuronal no educada con más de 25,000 imágenes de muestras de sangre preparadas durante los exámenes clínicos de rutina. Al recortar estas imágenes, en las que las bacterias ya habían sido identificadas por microbiólogos clínicos humanos, los científicos generaron más de 100.000 imágenes de entrenamiento. La inteligencia de la máquina aprendió a clasificar las imágenes en tres categorías de bacterias (con forma de bastón, agrupaciones redondas y cadenas o pares redondos), logrando, en última instancia, casi el 95% de exactitud.
 
El equipo desafió el algoritmo para clasificar imágenes nuevas de 189 láminas sin intervención humana. En general, el algoritmo logró una exactitud superior al 93% en las tres categorías. La sensibilidad/especificidad fue de 98,4/75,0% para los cocos Gram positivos en cadenas/pares; 93,2/97,2% para los cocos Gram positivos en racimos y de 96,3/98,1% para los bastones Gram negativos. El estudio se publicó el 29 de noviembre de 2017 en la revista Journal of Clinical Microbiology.
 
Miembro Platino
PRUEBA RÁPIDA COVID-19
OSOM COVID-19 Antigen Rapid Test
HLX
POCT Fluorescent Immunoassay Analyzer
FIA Go
New
Miembro Oro
Fully Automated Cell Density/Viability Analyzer
BioProfile FAST CDV

Print article

Canales

Diagnóstico Molecular

ver canal
Imagen: Imagen de células de cáncer de próstata tomada usando un microscopio electrónico de barrido (Fotografía cortesía de la Unidad LRI EM)

Nuevos descubrimientos sobre evolución del cáncer de próstata allanan el camino para pruebas genéticas

El cáncer de próstata es uno de los cánceres más comunes que afectan a los hombres y, si bien representa un número significativo de muertes por cáncer en hombres,... Más

Hematología

ver canal
Imagen: La prueba Gazelle Hb Variant (Fotografía cortesía de Hemex Health)

Primera prueba rápida y asequible para beta talasemia demuestra precisión diagnóstica del 99 %

Los trastornos de la hemoglobina se encuentran entre las enfermedades monogénicas más prevalentes a nivel mundial. Entre los diversos trastornos de la hemoglobina, la beta talasemia, un trastorno sanguíneo... Más

Inmunología

ver canal
Imagen: Streptococcus pyogenes en una placa de Petri (Fotografía cortesía del Colegio Imperial de Londres)

Técnicas de vanguardia para investigar respuesta inmune en infecciones mortales por estreptococo A

Anualmente, la asombrosa cifra de medio millón de personas, incluidos numerosos niños y jóvenes, sucumben a nivel mundial a infecciones graves causadas por la bacteria estreptocócica... Más

Tecnología

ver canal
Imagen: El sensor electroquímico detecta HPV-16 y HPV-18 con alta especificidad (Fotografía cortesía de 123RF)

Biosensor de ADN permite diagnóstico temprano del cáncer de cuello uterino

El disulfuro de molibdeno (MoS2), reconocido por su potencial para formar nanoláminas bidimensionales como el grafeno, es un material que llama cada vez más la atención de la comunidad... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.