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

Deascargar La Aplicación Móvil




Prueba metabolómica detecta el cáncer de pulmón precoz y predice el tiempo de supervivencia del paciente

Por el equipo editorial de LabMedica en español
Actualizado el 20 Dec 2021
Imagen: Se utilizó resonancia magnética nuclear (RMN) de Giro de Ángulo Mágico (MAS) para establecer el modelo predictivo de cáncer de pulmón. La muestra (azul) rota con alta frecuencia dentro del campo magnético principal (B0). Está inclinado por el ángulo mágico θm con respecto a la dirección de la orientación del campo magnético (Fotografía cortesía de Wikimedia Commons)
Imagen: Se utilizó resonancia magnética nuclear (RMN) de Giro de Ángulo Mágico (MAS) para establecer el modelo predictivo de cáncer de pulmón. La muestra (azul) rota con alta frecuencia dentro del campo magnético principal (B0). Está inclinado por el ángulo mágico θm con respecto a la dirección de la orientación del campo magnético (Fotografía cortesía de Wikimedia Commons)
Un modelo predictivo basado en alteraciones en los metabolitos sanguíneos medidos por espectroscopia de resonancia magnética de alta resolución puede detectar el cáncer de pulmón en estadio temprano.

El cáncer de pulmón en etapa temprana es principalmente asintomático, por lo que la enfermedad generalmente solo se diagnostica en una etapa tardía cuando la tasa de supervivencia es extremadamente baja. Para facilitar la detección más temprana del cáncer de pulmón, los investigadores del Hospital General de Massachusetts de la Facultad de Medicina de Harvard (Boston, EUA), crearon un modelo predictivo de cáncer de pulmón basado en perfiles metabolómicos en muestras de sangre. La metabolómica es el estudio sistemático de las huellas químicas únicas de moléculas pequeñas que dejan los procesos celulares específicos.

Para construir un modelo predictivo para indicar la presencia de cáncer de pulmón y la supervivencia del paciente utilizando muestras de suero recolectadas antes de su diagnóstico de enfermedad, los investigadores emplearon espectroscopía de resonancia magnética (MRS) de giro de ángulo mágico de alta resolución (HRMAS).

Los investigadores analizaron muestras de suero de 10 microlitros obtenidas de 79 pacientes antes (dentro de los cinco años) y en el momento del diagnóstico de cáncer de pulmón. Los modelos de predicción de enfermedades se establecieron comparando patrones metabolómicos séricos entre cohortes de entrenamiento: pacientes con cáncer de pulmón en el momento del diagnóstico y controles sanos emparejados. Estos modelos predictivos se aplicaron luego para evaluar muestras de suero de validación y pruebas de cohortes, todas recolectadas de pacientes antes de su diagnóstico de cáncer de pulmón.

Los resultados revelaron que el modelo predictivo podía detectar cambios en los perfiles metabolómicos de la sangre que eran intermedios entre los estados sanos y enfermos. El modelo se aplicó a un grupo diferente de 54 pacientes con carcinoma de pulmón de células no pequeñas (CPCNP) para analizar muestras de sangre obtenidas antes y después del diagnóstico de cáncer. Los resultados confirmaron que las predicciones del modelo eran exactas. Además, los valores del modelo predictivo de metabolómica medidos a partir de sueros previos al diagnóstico se podrían usar para predecir la supervivencia a cinco años de los pacientes con enfermedad localizada.

“Nuestro estudio demuestra el potencial para desarrollar una herramienta de detección sensible para la detección temprana del cáncer de pulmón”, dijo el autor principal, el Dr. Leo L. Cheng. profesor asociado de radiología en la Facultad de Medicina de Harvard. “El modelo predictivo que construimos puede identificar qué personas pueden estar albergando cáncer de pulmón. Las personas con hallazgos sospechosos serían remitidas para una evaluación adicional mediante pruebas de imagenología, como TC de dosis baja, para un diagnóstico definitivo”.

El modelo predictivo para el diagnóstico precoz del cáncer de pulmón se describió en la edición en línea del 13 de diciembre de 2021 de la revista Proceedings of the National Academy of Sciences of the United States of America.

Enlace relacionado:
Hospital General de Massachusetts

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
SISTEMA DE EXTRACCIÓN DE ÁCIDOS NUCLEICOS
NEOS-96 XT
Food Allergy Screening ELISA Kit
Allerquant 14G B ELISA
Miembro Platino
Sistema bioquímico e inmunológico integrado
Biolumi CX Solution X10+C10

Canales

Inmunología

ver canal
Crédito de la imagen: iStock

Biomarcadores inmunitarios podrían predecir artritis recurrente por inhibidores de puntos de control

La artritis inflamatoria es un evento adverso reconocido relacionado con el sistema inmunitario en pacientes tratados con inhibidores de puntos de control inmunitario (ICI) para el cáncer.... Más

Microbiología

ver canal
Crédito de la imagen: Adobe Stock

Un marcador genético identifica resistencia emergente a fármacos antipalúdicos de primera línea

La terapia combinada basada en artemisinina sigue siendo fundamental para controlar la malaria por Plasmodium falciparum , pero la aparición de resistencia a los medicamentos está complicando... Más

Tecnología

ver canal
Imagen: el panel combina diagnósticos basados ​​en biomarcadores con algoritmos digitales avanzados para permitir una evaluación no invasiva utilizando datos clínicos disponibles de forma rutinaria (Fotografía cortesía de Adobe Stock)

Panel de algoritmos ayuda a evaluar la fibrosis hepática y vigilar el cáncer de hígado

La enfermedad hepática crónica es común y suele progresar de forma silenciosa, lo que aumenta el riesgo de cirrosis y carcinoma hepatocelular cuando no se detecta de manera temprana.... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.