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.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil




Análisis de sangre con IA detecta cáncer de páncreas temprano con más del 90% de precisión

Por el equipo editorial de LabMedica en español
Actualizado el 13 Mar 2026
Imagen: La tecnología PanMETAI integra la IA con perfiles metabólicos para el diagnóstico temprano del cáncer de páncreas (Fotografía cortesía de Academia Sinica)
Imagen: La tecnología PanMETAI integra la IA con perfiles metabólicos para el diagnóstico temprano del cáncer de páncreas (Fotografía cortesía de Academia Sinica)

El cáncer de páncreas es uno de los cánceres más letales, a menudo denominado el "rey de los cánceres" porque los síntomas suelen aparecer solo en etapas avanzadas. Como resultado, la mayoría de los pacientes son diagnosticados tarde y la tasa de supervivencia a cinco años se mantiene en torno al 13%.

La detección temprana de la enfermedad ha sido un gran desafío en oncología. Se ha diseñado un nuevo modelo de inteligencia artificial (IA) para identificar señales moleculares tempranas del cáncer de páncreas antes de su presentación clínica.

Científicos de la Academia Sinica (Taipéi, Taiwán) y del Hospital Universitario Nacional de Taiwán (NTU, Taipéi, Taiwán) han creado PanMETAI, un modelo fundamental basado en inteligencia artificial para la detección precoz del cáncer de páncreas. El sistema combina el análisis metabolómico por resonancia magnética nuclear (RMN) con la arquitectura de IA TabPFN para detectar cambios metabólicos asociados a las primeras etapas del cáncer de páncreas.

PanMETAI analiza conjuntos de datos metabólicos a gran escala generados a partir de muestras de sangre. Mediante la plataforma estandarizada de RMN, el modelo procesa hasta 260.000 puntos de datos moleculares por individuo para identificar patrones metabólicos sutiles vinculados al desarrollo del cáncer. 

A diferencia de los métodos diagnósticos convencionales que se basan en un único biomarcador, el modelo evalúa perfiles metabólicos completos, lo que permite detectar cambios moleculares desde estados precancerosos hasta las primeras etapas de la enfermedad.

En estudios de validación publicados en Nature Communications, el modelo demostró un sólido desempeño diagnóstico. En una prueba ciega independiente realizada en Taiwán, PanMETAI alcanzó un área bajo la curva (AUC) de 0,99, con una sensibilidad del 93 % y una especificidad del 94 %. En una validación europea independiente, utilizando una cohorte lituana, el sistema mantuvo una alta precisión predictiva con un AUC de 0,93, lo que demuestra un desempeño consistente en diversas poblaciones. 

Debido a que PanMETAI capta las características metabólicas completas asociadas con el desarrollo del cáncer de páncreas, proporciona un enfoque diagnóstico más integral que el cribado tradicional basado en biomarcadores.

Los investigadores creen que PanMETAI podría convertirse en una importante herramienta de detección precoz para personas con alto riesgo de cáncer de páncreas. La identificación temprana de cambios metabólicos podría permitir a los médicos intervenir antes de que la enfermedad progrese a etapas avanzadas.

El equipo también prevé expandir la tecnología a una plataforma de detección precoz de múltiples tipos de cáncer, aplicando el mismo enfoque de análisis metabólico basado en IA para identificar otros tipos de cáncer y respaldar estrategias más amplias de medicina de precisión.

Enlaces relacionados:
Academia Sínica
NTU

Miembro Oro
Quality Control Material
iPLEX Pro Exome QC Panel
Software de laboratorio
Acusera 24•7
New
Rapid Sepsis Test
SeptiCyte RAPID
New
CMV CLIA Diagnostic
CLIA CMV IgA Screen Group

Canales

Química Clínica

ver canal
Imagen: El análisis de sangre Elecsys pTau217 de Roche, con marca CE, es un análisis de sangre de un solo ensayo que mide la tau 217 fosforilada, un indicador de patología amiloide y un sello distintivo de la enfermedad de Alzheimer (crédito de la imagen: Shutterstock)

Prueba de sangre para Alzheimer obtiene marca CE para detectar patología amiloide

La enfermedad de Alzheimer es la causa más común de demencia, pero las pruebas de confirmación siguen siendo invasivas y de difícil acceso. El diagnóstico actualmente... Más

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: Biosensor para la detección de tuberculosis (fotografía cortesía de la UPV)

Biosensor de antígeno detecta tuberculosis activa en una hora

La tuberculosis sigue siendo un importante desafío de salud global y continúa siendo una causa significativa de morbilidad y mortalidad. El informe mundial de 2024 de la Organización... Más

Patología

ver canal
Imagen: ArteraAI Breast analiza imágenes histopatológicas digitalizadas junto con variables clínicas del paciente para producir una puntuación de riesgo derivada de IA que proporciona información de pronóstico sobre la probabilidad de metástasis a distancia (Crédito de la imagen: Adobe Stock)

Herramienta de patología digital con IA para la estratificación del riesgo en cáncer de mama

La evaluación del riesgo en el momento del diagnóstico es fundamental para guiar el tratamiento del cáncer de mama invasivo en estadio temprano, con receptor hormonal positivo y receptor 2 del factor de... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.