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 de sangre económica y no invasiva predice riesgo de Alzheimer 20 años antes de los síntomas

Por el equipo editorial de LabMedica en español
Actualizado el 24 Sep 2023
Imagen: Una prueba simple puede ayudar a predecir el riesgo de enfermedad de Alzheimer con 20 años de anticipación (Fotografía cortesía de 123RF)
Imagen: Una prueba simple puede ayudar a predecir el riesgo de enfermedad de Alzheimer con 20 años de anticipación (Fotografía cortesía de 123RF)

En la actualidad, la enfermedad de Alzheimer suele identificarse a través de signos de deterioro cognitivo, una etapa en la que el cerebro ya ha sufrido daños significativos. Los métodos convencionales para la detección temprana no sólo son costosos sino también invasivos y, por lo general, implican procedimientos como punciones lumbares que son física y emocionalmente extenuantes para el paciente. Ahora, un análisis de sangre sencillo, económico y no invasivo puede ser capaz de evaluar la probabilidad de que alguien desarrolle Alzheimer hasta dos décadas antes de que aparezca cualquier síntoma.

Un equipo de físicos de la Universidad Nacional Australiana (ANU, Canberra, Australia) ha combinado nanotecnología e inteligencia artificial (IA) para analizar proteínas en la sangre en busca de indicadores tempranos de neurodegeneración, o "biomarcadores" específicos que señalan la aparición del Alzheimer. Las proteínas son esencialmente la base de la vida y contienen patrones genéticos únicos para cada persona que ofrecen información valiosa sobre nuestra salud, incluida la degeneración de las células cerebrales. Según los investigadores, localizar estas proteínas con marcadores de neurodegeneración temprana es como encontrar una aguja en un pajar.

Para abordar esto, los físicos de la ANU han desarrollado un chip de silicio ultrafino con "nanoporos", o pequeños agujeros del tamaño de nanómetros, que identifican proteínas para su análisis con la ayuda de un sofisticado algoritmo de IA. Se coloca una pequeña muestra de sangre en el chip de silicio, que luego se coloca en un dispositivo portátil aproximadamente del tamañode un teléfono inteligente. Este dispositivo emplea el algoritmo de IA para examinar la muestra de sangre en busca de marcadores de proteínas indicativos de la enfermedad de Alzheimer en etapa temprana. En particular, los investigadores dicen que el algoritmo tiene el potencial de adaptarse para detectar diversas afecciones neurológicas al mismo tiempo, como la enfermedad de Parkinson, la esclerosis múltiple (EM) y la esclerosis lateral amiotrófica (ELA). Los científicos de la ANU prevén que este método de detección podría estar disponible en los próximos cinco años. El estudio ha sido publicado en la revista Small Methods .

"La sangre es un fluido complejo que contiene más de 10.000 biomoléculas diferentes. Al emplear técnicas de filtración avanzadas y aprovechar nuestra plataforma de nanoporos, combinada con nuestros algoritmos inteligentes de aprendizaje automático, podemos identificar incluso las proteínas más esquivas", dijo el Ph.D. investigador de ANU Shankar Dutt.

Enlaces relacionados:
ANU  

Miembro Oro
H-FABP Assay
Heart-Type Fatty Acid-Binding Protein Assay
Software de laboratorio
Acusera 24•7
Thyroid Test
Anti-Thyroid EIA Test
Japanese Encephalitis Test
Japanese Encephalitis Virus Real Time PCR Kit

Canales

Química Clínica

ver canal
Imagen: Nuevos hallazgos presentados en ADLM 2026 sugieren que el aprendizaje automático podría ayudar a mejorar la precisión de un análisis de sangre estándar utilizado para diagnosticar tumores raros que se forman en las glándulas suprarrenales o cerca de ellas (Fotografía cortesía de Shutterstock)

Modelo de aprendizaje automático promete mejorar precisión de pruebas de metanefrinas

Los feocromocitomas y los paragangliomas son tumores poco frecuentes que se forman en las glándulas suprarrenales o cerca de ellas y provocan una sobreproducción de hormonas del estrés.... Más

Patología

ver canal
Crédito de imagen: iStock

Herramienta de patología con IA predice riesgo de recaída en cáncer colorrectal en estadio II

El cáncer colorrectal es el cuarto cáncer diagnosticado con mayor frecuencia en Australia y la segunda causa principal de muerte por cáncer, al tiempo que sigue siendo el tercer cáncer... 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

Industria

ver canal
Crédito de imagen: iStock

Una colaboración impulsa los diagnósticos basados en esputo para el asma y la EPOC

El asma y la enfermedad pulmonar obstructiva crónica son afecciones inflamatorias de las vías respiratorias muy prevalentes, que afectan a más de 40 million Americans y a más... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.