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
Guangdong Fapon Biotech Co., Ltd.

Descargar La Aplicación Móvil




Diagnostican la leucemia mieloide aguda mediante redes neurales convolucionales

Por el equipo editorial de LabMedica en español
Actualizado el 05 Dec 2019
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

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
Analizador portátil de gases en sangre
BD100
New
Miembro Oro
ANALIZADOR AUTOMATIZADO DE PROTEÍNAS
PA240

Canales

Química Clínica

ver canal
Imagen: Cuando no se dispone de análisis directo de cálculos, el modelo de IA podría mejorar la predicción de los tipos de cálculos más comunes, lo que podría respaldar un tratamiento más específico y la prevención de recurrencia (Crédito de la imagen: iStock)

IA predice la composición de cálculos renales a partir de análisis rutinarios de orina

Los cálculos renales son una afección común y dolorosa, que afecta aproximadamente a uno de cada 11 estadounidenses, con tasas de recurrencia a lo largo de la vida del 60% al 80%.... Más

Inmunología

ver canal
Imagen: El panel amplía la cartera de pruebas respiratorias de Cepheid en la plataforma GeneXpert, ofreciendo a los laboratorios una mayor flexibilidad a la hora de seleccionar pruebas basadas en las necesidades clínicas. (Foto cortesía de Cepheid)

Prueba de PCR multiplex obtiene marcado CE para apoyar el diagnóstico de infecciones respiratorias

Las infecciones respiratorias agudas suelen presentarse con síntomas superpuestos, lo que dificulta distinguir entre causas virales y bacterianas. Los picos estacionales de cuadros similares a la... Más

Microbiología

ver canal
Imagen: Resumen gráfico (Matthew A Butzler, Jennifer L Reed, Alaina M Olson, et al. Development of a Rapid Automated Point-of-Care Test for Mycobacterium tuberculosis Detection from Tongue Swabs and Sputum Specimens on the DASH® Rapid PCR System, Open Forum Infectious Diseases, 2026; https://doi.org/10.1093/ofid/ofag706)

Prueba en el punto de atención detecta tuberculosis mediante hisopo lingual y esputo

La tuberculosis sigue siendo un importante desafío de salud infecciosa, especialmente en regiones con acceso limitado a pruebas diagnósticas y tratamiento. El diagnóstico puede llevar... Más

Tecnología

ver canal
Imagen: Módulos e interacciones clave en el sistema agente LabARIA.  (Yang, H.S., Pan, W., Cushing, M.M. et al. An agentic framework for intelligent clinical laboratory medicine. npj Health Systems (2026). https://doi.org/10.1038/s44401-026-00163-3)

Un marco de IA multiagente apoya el monitoreo de la calidad y el flujo de trabajo en el laboratorio

Los laboratorios clínicos analizan sangre, orina, tejidos y otros fluidos corporales para apoyar el diagnóstico y el tratamiento de enfermedades. El aumento del volumen de pruebas, la escasez... Más

Industria

ver canal
Imagen: La colaboración tiene como objetivo ampliar el acceso a la tecnología a través de una vía de diagnóstico clínico regulada en Japón.

Alianza busca llevar pruebas de sangre para la enfermedad de Alzheimer a Japón

La enfermedad de Alzheimer sigue siendo un desafío diagnóstico en aumento a medida que las poblaciones envejecen y el deterioro cognitivo se vuelve más frecuente. En Japón,... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.