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




Primera herramienta impulsada por IA que transforma diagnóstico y tratamiento de diabetes tipo 1

Por el equipo editorial de LabMedica en español
Actualizado el 11 Jun 2025
Imagen: un puntaje de riesgo basado en microARN para diabetes tipo 1 (foto cortesía de la Universidad Western Sydney)
Imagen: un puntaje de riesgo basado en microARN para diabetes tipo 1 (foto cortesía de la Universidad Western Sydney)

Durante años, las pruebas para la diabetes tipo 1 (DT1) se han basado en síntomas y biomarcadores que suelen manifestarse solo al inicio de la enfermedad, lo que dificulta su detección temprana. Esto es especialmente preocupante porque la DT1 de inicio temprano, especialmente antes de los 10 años, tiende a ser más agresiva y se asocia a una reducción de la esperanza de vida de hasta 16 años. Predecir con precisión la progresión de la enfermedad podría permitir a los médicos actuar con mayor rapidez. Ahora, una herramienta basada en inteligencia artificial (IA) se muestra prometedora para evaluar el riesgo de DT1 y predecir la respuesta de los pacientes a los tratamientos, lo que podría transformar la forma en que se identifica y se maneja la enfermedad.

Un equipo internacional de investigación, liderado por la Universidad Western Sydney (Penrith, NSW, Australia), ha creado una novedosa escala de riesgo basada en microARN (pequeñas moléculas de ARN presentes en la sangre) que permite rastrear eficazmente la evolución del riesgo de desarrollar diabetes tipo 1. Estos mismos marcadores de microARN también predijeron respuestas tempranas a tratamientos como el trasplante de células de los islotes y el fármaco imatinib. Publicado en Nature Medicine , el estudio evaluó datos moleculares de 5.983 muestras recogidas de participantes en Australia, Canadá, Dinamarca, Hong Kong (RAE de China), India, Nueva Zelanda y Estados Unidos. Esto condujo al desarrollo de una Escala de Riesgo Dinámica (DRS4C) capaz de identificar a las personas con o sin diabetes tipo 1.

Mediante IA, el equipo perfeccionó aún más la puntuación de riesgo, validada con datos de 662 participantes adicionales. Sorprendentemente, tan solo una hora después de la terapia, la herramienta pudo predecir qué pacientes con diabetes tipo 1 (DT1) permanecerían insulinodependientes. El mismo perfil de microARN también distinguió entre pacientes que respondieron y no respondieron a la terapia farmacológica para la DT1 incluso antes de comenzar el tratamiento. Además de evaluar el riesgo de DT1 y la efectividad del tratamiento, la puntuación de riesgo también puede ayudar a diferenciar entre la DT1 y la diabetes tipo 2 (DT2), un desafío diagnóstico, especialmente en adultos. Un subanálisis destacó el potencial de la herramienta para clasificar a las personas con DT2, un área que los investigadores planean explorar más a fondo, ya que muchos casos de DT1 de inicio en la edad adulta a menudo se diagnostican erróneamente como DT2.

“Los marcadores genéticos identifican el riesgo a lo largo de la vida; es como saber que vives en una zona inundable, pero las puntuaciones de riesgo dinámico ofrecen un control en tiempo real del aumento del nivel del agua; reflejan el riesgo actual en lugar de una condena de por vida, lo que permite un seguimiento oportuno y adaptativo sin estigma”, afirmó la Dra. Mugdha Joglekar, investigadora principal de la Universidad de Western Sydney.

Miembro Oro
Nucleic Acid Extractor System
NEOS-96 XT
Software de laboratorio
Acusera 24•7
Manual Pipetting Aid
Pipette Controllers macro
Food Allergy Screening ELISA Kit
Allerquant 14G B ELISA

Canales

Hematología

ver canal
Imagen: Resumen gráfico (Waclawiczek A, Leppä AM, Renders S, et al. Cell Stem Cell, 2026. doi:10.1016/j.stem.2026.04.012)

Los biomarcadores de células madre podrían orientar el tratamiento en la leucemia mieloide aguda

La leucemia mieloide aguda (LMA) es un cáncer de sangre agresivo que afecta con mayor frecuencia a adultos mayores y que, a pesar de los avances terapéuticos, aún presenta un pronóstico... Más

Microbiología

ver canal
Imagen: los hallazgos sugieren que las personas con mpox pueden transmitir el virus incluso sin síntomas clínicos (crédito de la imagen: Adobe Stock)

Estudio revela que infecciones ocultas de mpox podrían impulsar su propagación continua

La viruela símica, o mpox, sigue circulando a pesar de la vacunación, y muchos casos no muestran ningún vínculo conocido con una pareja sintomática. El papel de las personas... Más

Patología

ver canal
Imagen: la tecnología aprovecha las preparaciones de diapositivas de rutina para ofrecer una lectura de riesgo individualizada basada en señales derivadas de imágenes (fotografía cortesía de Valar Labs)

Prueba de patología con IA recibe designación de avance de la FDA para riesgo de cáncer de vejiga

El cáncer de vejiga no músculo-invasivo presenta resultados muy variables, lo que complica la vigilancia y la planificación del tratamiento. La evaluación del riesgo suele basarse en el estadio, el grado... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.