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
LGC Clinical Diagnostics

Deascargar 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
Print article
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 Oro
CONTROL DE CALIDAD DE TROPONINA T
Troponin T Quality Control
Automated Blood Typing System
IH-500 NEXT
New
Tabletop Centrifuge
Mikro 185
New
Miembro Plata
Oncology Molecular Diagnostic Test
BCR-ABL Dx ELITe MGB Kit

Print article

Canales

Química Clínica

ver canal
Imagen: La nueva prueba basada en saliva para insuficiencia cardíaca mide dos biomarcadores en aproximadamente 15 minutos (foto cortesía de Trey Pittman)

Dispositivo de pruebas de saliva predice la insuficiencia cardíaca en 15 minutos

La insuficiencia cardíaca es una enfermedad grave en la que el músculo cardíaco no puede bombear suficiente sangre rica en oxígeno a todo el cuerpo. Se considera una de las... Más

Diagnóstico Molecular

ver canal
Imagen: Este medio se usa para cultivar parásitos de malaria (Foto cortesía de Kyle Dykes/UC San Diego Health Sciences)

Nuevo enfoque para ayudar a predecir resistencia a medicamentos en malaria y enfermedades infecciosas

La malaria, una enfermedad transmitida por mosquitos que afecta a millones de personas en todo el mundo, sigue siendo un importante problema de salud pública, especialmente en las regiones tropicales... Más

Hematología

ver canal
Imagen: La tecnología de teléfonos inteligentes mide los niveles de hemoglobina en sangre de una foto digital del párpado interno (Foto cortesía de la Universidad de Purdue)

Tecnología de teléfonos inteligentes mide de forma no invasiva niveles de hemoglobina en sangre en POC

Las pruebas de hemoglobina en sangre se encuentran entre las pruebas de sangre que se realizan con más frecuencia, ya que los niveles de hemoglobina pueden brindar información vital sobre... Más

Microbiología

ver canal
Imagen: el dímero HNL puede ser una herramienta clínica novedosa y potencialmente útil en la administración de antibióticos en sepsis (Foto cortesía de Shutterstock)

Biomarcador sanguíneo único demuestra que controla eficazmente tratamiento de sepsis

La sepsis sigue siendo un problema creciente en todo el mundo, vinculado a altas tasas de mortalidad y morbilidad. El diagnóstico oportuno y preciso, junto con una terapia de apoyo eficaz, es esencial... Más

Patología

ver canal
Imagen: La arquitectura general, la entrada y la salida del CelloType (Foto cortesía de Nature Methods: DOI: 10.1038/s41592-024-02513-1)

Nueva tecnología de IA supera métodos tradicionales en segmentación de imágenes biomédicas

La ómica espacial es un campo emergente que integra técnicas de perfilado molecular como la genómica, la transcriptómica y la proteómica con información espacial, lo que permite a los investigadores determinar... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.