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
Ingresar
Publique su anuncio con nosotros
Sysmex America, Inc.

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.

Diagnostican la leucemia mieloide aguda mediante redes neurales convolucionales

Por el equipo editorial de LabMedica en español
Actualizado el 05 Dec 2019
Print article
Imagen: Diagrama esquemático de cómo el algoritmo de aprendizaje profundo clasifica los leucocitos en un frotis de sangre de manera automatizada y estandarizada (Fotografía cortesía del Helmholtz Zentrum München/Dr. Carsten Marr)
Imagen: Diagrama esquemático de cómo el algoritmo de aprendizaje profundo clasifica los leucocitos en un frotis de sangre de manera automatizada y estandarizada (Fotografía cortesía del Helmholtz Zentrum München/Dr. Carsten Marr)
Todos los días, se evalúan millones de células sanguíneas individuales para el diagnóstico de enfermedades en los laboratorios médicos y clínicas. La mayor parte de esta tarea repetitiva la siguen realizando manualmente los citólogos capacitados, que inspeccionan las células en frotis de sangre coloreados y las clasifican en aproximadamente 15 categorías diferentes.

Los científicos ahora han demostrado que los algoritmos de aprendizaje profundo funcionan de manera similar a los expertos humanos, al clasificar muestras de sangre de pacientes que sufren de leucemia mieloide aguda (LMA). Su estudio, de prueba de concepto, allana el camino para un análisis de muestras automatizado, estandarizado y disponible en el futuro cercano.

Los científicos del Helmholtz Zentrum München (Neuherberg, Alemania) y sus colegas compilaron un conjunto de datos de imágenes anotadas de más de 18.000 glóbulos blancos, lo utilizaron para entrenar una red neuronal convolucional para la clasificación de leucocitos y evaluaron el rendimiento de la red comparando la variabilidad inter e intra expertos. Utilizaron imágenes que se extrajeron de frotis de sangre de 100 pacientes que padecían la enfermedad sanguínea agresiva, LMA y 100 controles. El nuevo método basado en la inteligencia artificial se evaluó comparando su rendimiento con la exactitud de los expertos humanos.

La red clasifica los tipos de células más importantes con gran exactitud. También permitió a los investigadores decidir dos preguntas clínicamente relevantes con rendimiento a nivel humano: (1) si una célula dada tiene carácter de blasto y (2) si pertenece a los tipos de células normalmente presentes en los frotis de sangre no patológicos. El resultado demostró que la solución impulsada por IA fue capaz de identificar células blásticas de diagnóstico, al menos tan bien como un experto en citología capacitado.

Carsten Marr, PhD, bióloga computacional de células madre y autora principal del estudio, dijo: “Para llevar nuestro enfoque a las clínicas, se debe convertir la digitalización de las muestras de sangre de los pacientes en un proceso de rutina. Los algoritmos tienen que ser entrenados con muestras de diferentes fuentes para hacer frente a la heterogeneidad inherente en la preparación y coloración de las muestras. Junto con nuestros socios, podríamos demostrar que los algoritmos de aprendizaje profundo muestran un desempeño similar al de los citólogos humanos. En el próximo paso, evaluaremos qué tan bien se pueden predecir otras características de la enfermedad, como mutaciones genéticas o translocaciones, con este nuevo método impulsado por la IA”.

Los autores concluyeron que su método tiene el potencial de ser utilizado como una ayuda de clasificación para examinar un número mucho mayor de células en un frotis, de lo que generalmente puede hacer un experto humano. Esto permitirá a los médicos reconocer poblaciones de células malignas con menor prevalencia en una etapa más temprana de la enfermedad. El estudio fue publicado el 12 de noviembre de 2019 en la revista Nature Machine Intelligence.

Enlace relacionado:
Helmholtz Zentrum München


Print article

Canales

Química Clínica

ver canal
Imagen: Espectrómetro de masas Q Exactive Hybrid Quadrupole-Orbitrap (Fotografía cortesía de Thermo Fisher Scientific).

Prueba nueva en sangre predice las enfermedades psicóticas antes de que emerjan

Solo alrededor de una cuarta parte de los jóvenes que muestran síntomas psicóticos leves y transitorios a una edad temprana finalmente desarrollan un trastorno psicótico grave. La esquizofrenia, por ejemplo,... Más

Diagnóstico Molecular

ver canal
Imagen: La secuenciación del exoma del recién nacido podría complementar otros métodos de cribado de los recién nacidos (Fotografía cortesía de Sushytska).

Secuenciación podría complementar otros métodos de cribado de recién nacidos

El examen de cribado de los recién nacidos (NBS) se estableció como un programa de salud pública en la década de 1960 y es crucial para facilitar la detección de ciertas afecciones médicas en las que la... Más

Inmunología

ver canal
Imagen: El aumento de la activación de las células MAIT e iNKT se asocia con un mejor resultado en pacientes con COVID-19 grave (Fotografía cortesía de la Universidad de Tours).

Células T no convencionales en pacientes con COVID-19 predicen el resultado de la enfermedad

Si bien la mayoría de las personas infectadas con el virus del SARS-CoV-2 experimentan síntomas relativamente leves, algunos pacientes desarrollan una respuesta inflamatoria aberrante que puede dañar los... Más

Microbiología

ver canal
Imagen: Visualización de los resultados de la prueba Loopamp Trypanosoma cruzi a simple vista, los tubos 1 (control negativo) y 5 fueron negativos, pero el # 5 fue positivo en la qPCR con una carga de ADN muy baja (Fotografía cortesía del Laboratorio de Biología Molecular de la Enfermedad de Chagas).

Kit de amplificación isotérmica mediada por bucle detecta la enfermedad de Chagas

La enfermedad de Chagas (EC), también conocida como tripanosomiasis americana, es una enfermedad tropical desatendida, causada por el parásito protozoario Trypanosoma cruzi que afecta entre seis y siete... Más

Patología

ver canal
Imagen: Predicción de novo de receptores de células T asociados al cáncer para la detección no invasiva del cáncer (Fotografía cortesía de UT Southwestern Medical Center).

Evalúan el uso de receptores de células T asociados al cáncer para la detección de tumores malignos

Un objetivo clave en oncología es el diagnóstico temprano del cáncer, pues es cuando es más tratable. A pesar de décadas de progreso, el diagnóstico temprano de los pacientes asintomáticos se mantiene... Más

Tecnología

ver canal
Imagen: Ilustración que muestra la formación de tumores en los tejidos de la orofaringe (Fotografía cortesía de Wikimedia Commons)

Análisis de biopsia líquida basada en microARN para el diagnóstico precoz del cáncer de cabeza y cuello

Se ha desarrollado un ensayo de biopsia líquida, basado en microARN, que permite el diagnóstico temprano del carcinoma escamocelular de orofaringe, una enfermedad que causa cientos de miles de muertes cada año.... Más

Industria

ver canal
Ilustración

Sysmex presenta tecnología avanzada en análisis en el Simposio Internacional Virtual en Diagnóstico Integral

La primera participación de la compañía en este formato estará marcada por un stand virtual y una conferencia en el programa oficial. Sysmex es una compañía multinacional japonesa especializada en Soluciones... Más
Copyright © 2000-2020 Globetech Media. All rights reserved.