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 hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Illumina

Illumina develops, manufactures and markets integrated systems for the analysis of genetic variations and biological ... más Productos destacados: More products

Deascargar La Aplicación Móvil




Un método multiómico guía el tratamiento de los pacientes con mieloma múltiple recurrente

Por el equipo editorial de LabMedica en español
Actualizado el 06 Sep 2018
Imagen: El mieloma múltiple, un cáncer del plasma sanguíneo (Fotografía cortesía de Medical News Today).
Imagen: El mieloma múltiple, un cáncer del plasma sanguíneo (Fotografía cortesía de Medical News Today).
A muchos pacientes con mieloma múltiple recurrente a menudo no les aplican las opciones de tratamiento correctas de manera oportuna o personalizada, y la mayoría de los pacientes tienen una mediana de supervivencia de seis años. Con el diagnóstico y el tratamiento estándar, las recaídas generalmente son inevitables y fatales para la mayoría de los pacientes.

El uso de la secuenciación de ADN de alto rendimiento para hacer coincidir las mutaciones genéticas con las drogas que matan el cáncer permite el tratamiento para los pacientes con mieloma múltiple. La secuenciación ha revelado una amplia heterogeneidad entre los pacientes y las estructuras subclonales complejas, lo que indica que el uso de un método terapéutico personalizado puede ayudar a mejorar a los pacientes con mieloma.

Científicos del Hospital Mount Sinaí (Nueva York, NY, EUA) y sus colegas realizaron un ensayo de medicina de precisión con un grupo de 64 pacientes con mieloma múltiple recurrente. Recogieron de 4 a 10 mL de aspirado óseo, así como muestras de sangre periférica, y extrajeron el ADN genómico del tumor y el ARN de las células de la médula ósea CD138+. Las pruebas de secuenciación de todo el genoma (WES) y las bibliotecas de secuenciación de ARN se enviaron a Illumina HiSeq2500 (Illumina, San Diego, CA, EUA) para la secuenciación de extremos emparejados (100 pares de bases). La secuenciación dirigida se realizó usando el panel de secuenciación dirigido, de siguiente generación, para los Linfomas Extendidos, de Cancer Genetics (Rutherford, NJ, EUA).

El equipo generó recomendaciones de tratamiento en 63 de 64 pacientes. Veintiséis pacientes recibieron tratamiento y 21 fueron evaluables. De estos, 11 recibieron un fármaco que se basó en los hallazgos del ARN, ocho recibieron un fármaco basado en los hallazgos del ADN y dos recibieron un fármaco basado en los hallazgos del ARN y del ADN. Dieciséis de los 21 pacientes evaluables tuvieron una respuesta clínica (es decir, reducción del marcador de enfermedad ≥ 25%), dando una tasa de beneficio clínico del 76% y una tasa de respuesta global del 66%, con cinco pacientes con respuestas continuas al final del ensayo. La duración media de la respuesta fue de 131 días.

Los autores concluyeron que un método de secuenciación integral puede identificar opciones viables en los pacientes con mieloma recurrente y/o refractario, y representan una prueba de principio de cómo la secuenciación del ARN puede contribuir más allá del análisis de la mutación del ADN para el desarrollo de una herramienta confiable de recomendación de fármacos. El estudio fue publicado en la edición de agosto de 2018 de la revista JCO Precision Oncology.

Enlace relacionado:
Hospital Mount Sinai
Illumina
Cancer Genetics


Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Clinical Chemistry Assay
Sorbitol Dehydrogenase (SDH)
New
Prueba de MR-proADM
B•R•A•H•M•S MR-proADM KRYPTOR test
Miembro Oro
Solución de biomarcadores proteicos en sangre para la enfermedad de Alzheimer
BG-DTi2000.

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.