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

Descargar La Aplicación Móvil




Inteligencia artificial identifica células que destruyen tumores con alta precisión

Por el equipo editorial de LabMedica en español
Actualizado el 03 Jun 2024
Imagen: El modelo predictivo de IA identifica las células inmunes que matan cáncer más potentes para su uso en inmunoterapias (foto cortesía de Shutterstock)
Imagen: El modelo predictivo de IA identifica las células inmunes que matan cáncer más potentes para su uso en inmunoterapias (foto cortesía de Shutterstock)

La inmunoterapia celular implica extraer células inmunitarias del tumor de un paciente, mejorar potencialmente sus capacidades para combatir el cáncer mediante ingeniería, y luego expandirlas y reintroducirlas en el cuerpo. Las células T, un tipo primario de glóbulo blanco o linfocito, circulan en la sangre y monitorean la presencia de células cancerosas o infectadas por virus. Entre ellos, las células T que infiltran tumores sólidos se conocen como linfocitos infiltrantes de tumores o TIL. Sin embargo, no todos los TIL reconocen y atacan eficazmente las células tumorales. Para abordar esto, los científicos han empleado inteligencia artificial (IA) para crear un modelo predictivo que pueda identificar los TIL más efectivos para su uso en inmunoterapia contra el cáncer.

El nuevo modelo predictivo impulsado por IA, llamado TRTpred desarrollado por científicos de Ludwig Cancer Research (Nueva York, NY, EUA) clasifica los receptores de células T (TCR) según su reactividad tumoral. Para crear TRTpred, los investigadores utilizaron 235 TCR de pacientes con melanoma metastásico, ya clasificados como reactivos o no reactivos al tumor. Introducen los perfiles globales de expresión genética de las células T que albergan cada TCR en un modelo de aprendizaje automático para identificar patrones que distinguen las células T reactivas a tumores de sus contrapartes inactivas. Este modelo, mejorado con algoritmos adicionales, admite tratamientos contra el cáncer personalizados adaptados a la composición celular única de los tumores de cada paciente.

El modelo TRTpred se utilizó para analizar los TIL de 42 pacientes con melanoma, cáncer gastrointestinal, de pulmón y de mama, identificando los TCR reactivos a tumores con aproximadamente un 90 % de precisión. El proceso de selección se perfeccionó aún más utilizando un filtro algorítmico secundario para aislar aquellas células T con "alta avidez", lo que significa que se unen fuertemente a los antígenos tumorales. Se observó que las células T identificadas por TRTpred y este filtro secundario como reactivas al tumor y de alta avidez estaban ubicadas predominantemente dentro de los tumores en lugar de en el tejido estromal circundante. Esto concuerda con estudios previos que sugieren que las células T efectivas a menudo penetran profundamente en los islotes tumorales.

Luego se introdujo un tercer filtro para mejorar la identificación de TCR que reconocen una amplia gama de antígenos tumorales. Este filtro agrupa los TCR según características físicas y químicas similares, asumiendo que los TCR de cada grupo reconocen el mismo antígeno. Este sistema mejorado, llamado MixTRTpred, se probó luego cultivando tumores humanos en ratones, extrayendo TCR de sus TIL y empleando MixTRTpred para identificar células T que reaccionaban a tumores, tenían alta avidez y se dirigían a múltiples antígenos tumorales. Luego, los investigadores diseñaron células T de ratón para expresar estos TCR y demostraron que estas células modificadas podían erradicar eficazmente los tumores cuando se reintroducían en los ratones.

"La implementación de la inteligencia artificial en la terapia celular es nueva y puede cambiar las reglas del juego, ofreciendo nuevas opciones clínicas a los pacientes", dijo Alexandre Harari de Ludwig Lausanne, quien dirigió el estudio publicado el 7 de mayo de 2024 en Nature Biotechnology.

Enlaces relacionados:
Ludwig Cancer Research

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
ANALIZADOR AUTOMATIZADO DE INMUNOENSAYO
SuperFlex™
Miembro Oro
NEW PRODUCT : SILICONE WASHING MACHINE TRAY COVER WITH VICOLAB SILICONE NET VICOLAB®
REGISTRED 682.9

Canales

Química Clínica

ver canal
Imagen: Joy Milne, cuyo elevado sentido del olfato ayudó a inspirar la investigación sobre la firma molecular del Parkinson, participa en una investigación que investiga el sentido del olfato. (Crédito de la imagen: Universidad de Manchester)

Estudio con hisopo cutáneo identifica cambios metabólicos asociados al Parkinson

La enfermedad de Parkinson puede ser difícil de diagnosticar antes de que aparezcan los síntomas motores, lo que pone de relieve la necesidad de métodos de detección más temprana.... Más

Hematología

ver canal
Imagen: Una nueva investigación que utiliza muestras de sangre almacenadas recolectadas a lo largo del tiempo ha rastreado el desarrollo de la leucemia mieloide aguda años y décadas antes del diagnóstico (Crédito de la imagen: Shutterstock)

Muestras de sangre seriadas revelan la evolución de la leucemia décadas antes del diagnóstico

La leucemia mieloide aguda (LMA) es un cáncer de la sangre agresivo que afecta aproximadamente a 2.700 personas en el Reino Unido cada año, y solo alrededor de una de cada seis pacientes... Más

Microbiología

ver canal
Imagen: La malaria es causada por parásitos Plasmodium, transmitidos principalmente a través de la picadura de mosquitos Anopheles hembra infectados (Crédito de la imagen: Adobe Stock)

Los genomas completos de malaria podrían mejorar la identificación de especies y la vigilancia

La malaria sigue siendo un importante desafío mundial para la salud, con un estimado de 282 millones de casos y 610.000 muertes en todo el mundo en 2024. Aunque la mayor parte de la investigación... 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: El evento de cuatro días, celebrado del 13 al 16 de noviembre en Cali, destacó los avances en diagnóstico clínico, tecnologías de laboratorio e inteligencia artificial en bacteriología

El CNB 2026 destaca los avances en bacteriología y medicina de laboratorio en Cali

El 24.º Congreso Internacional del Colegio Nacional de Bacteriología (CNB) reunió a profesionales de laboratorio, investigadores, representantes de la industria y expertos internacionales en Cali, Colombia,... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.