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

Deascargar La Aplicación Móvil




Estudio innovador combina IA y análisis de sangre para identificar cáncer colorrectal en las primeras etapas

Por el equipo editorial de LabMedica en español
Actualizado el 22 Nov 2023
Imagen: El estudio innovador tiene como objetivo mejorar la detección de cáncer colorrectal usando IA (Fotografía cortesía de 123RF)
Imagen: El estudio innovador tiene como objetivo mejorar la detección de cáncer colorrectal usando IA (Fotografía cortesía de 123RF)

El cáncer colorrectal (CCR) se encuentra entre los principales cánceres diagnosticados a nivel mundial. La detección temprana es crucial para un tratamiento eficaz, pero muchos evitan los exámenes tradicionales como las colonoscopias debido a su naturaleza invasiva. Ahora, se ha lanzado un nuevo y ambicioso estudio para revolucionar la detección temprana del CCR mediante la integración de la inteligencia artificial (IA) con los análisis de sangre. Este enfoque tiene como objetivo detectar el CCR en sus etapas iniciales, lo que podría aumentar la eficacia del tratamiento y salvar vidas. El estudio, en el que participarán más de 1.600 personas de ocho sitios clínicos diferentes, tendrá una duración de dos años y medio.

El proyecto DIOPTRA (Atenas, Grecia) está destinado a transformar la detección del CCR al utilizar marcadores sanguíneos para la identificación de enfermedades. Este método no invasivo podría mejorar drásticamente las prácticas de detección del CCR, extendiendo potencialmente la detección a segmentos de población más amplios más allá de los que actualmente están cubiertos por los esquemas de reembolso médico existentes. Los intentos anteriores en esta área a menudo se restringieron por un número limitado de participantes o un enfoque limitado en marcadores biológicos específicos en la sangre indicativos de cáncer. DIOPTRA aborda estos problemas incorporando un grupo diverso de participantes de múltiples sitios, incluidos Bélgica, Bulgaria, Chipre, Dinamarca, Grecia, Eslovenia y España, para garantizar la universalidad y solidez de sus hallazgos. Como parte del estudio, los participantes proporcionarán muestras de sangre y se someterán a exámenes de colonoscopia de rutina.

La IA desempeñará un papel fundamental en el estudio DIOPTRA, ya que procesará grandes conjuntos de datos para identificar a las personas en riesgo de padecer CCR e investigar los factores de riesgo subyacentes. El estudio tiene como objetivo combinar tecnologías avanzadas de análisis de sangre con aprendizaje automático para explorar diversos factores de riesgo de CCR, desde elecciones de estilo de vida hasta marcadores biológicos complejos. Esta estrategia integral está diseñada para dar como resultado métodos más eficientes, efectivos y personalizados para la prevención y el tratamiento del CCR. DIOPTRA se concentrará específicamente en cuatro grupos distintos: individuos sanos, pacientes con adenomas no avanzados, aquellos con adenomas avanzados y casos confirmados de CCR.

"Este es un momento histórico para el proyecto DIOPTRA y, en general, en el campo de la investigación del cáncer colorrectal", afirmó Zheshen Jiang, coordinador clínico del estudio. "Creemos que el estudio DIOPTRA tiene el potencial de cambiar la forma en que abordamos la detección temprana y el tratamiento, y estamos entusiasmados con el potencial de salvar vidas a través de métodos más proactivos y menos invasivos".

Enlaces relacionados:
proyecto DIOPTRA

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Lector rapido de tarjetas
EASY READER+
Miembro Oro
Analizador totalmente automatizado de proteínas específicas (nefelometría)
PA240
New
Gastrointestinal Panel
Xpert® GI Panel

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.