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




Análisis de sangre con aprendizaje automático predice respuesta a inmunoterapia en pacientes con linfoma

Por el equipo editorial de LabMedica en español
Actualizado el 08 Apr 2025
Imagen: la nueva herramienta mide la inflamación de la sangre como marcador para los resultados desfavorables de la terapia CAR T (foto cortesía de City of Hope)
Imagen: la nueva herramienta mide la inflamación de la sangre como marcador para los resultados desfavorables de la terapia CAR T (foto cortesía de City of Hope)

La terapia de células T con receptores de antígenos quiméricos (CAR) se ha convertido en uno de los avances recientes más prometedores en el tratamiento de los cánceres hematológicos. Sin embargo, más de la mitad de los pacientes con linfoma no Hodgkin (LNH) que no responden a los tratamientos convencionales también experimentan una recaída o progresión de la enfermedad en los seis meses posteriores a la terapia CAR T. Por ello, se ha desarrollado una nueva herramienta que utiliza aprendizaje automático para predecir la posible respuesta de un paciente con LNH a la terapia CAR T antes de iniciar el tratamiento.

Llamada InflaMix (Modelo de Mezcla de Inflamación), esta innovadora herramienta fue desarrollada por investigadores de City of Hope (Duarte, CA, EUA) para evaluar la inflamación, que se considera una causa potencial del fracaso del tratamiento con CAR T, mediante la prueba de varios biomarcadores sanguíneos en 149 pacientes con LNH. Utilizando el aprendizaje automático, una forma de inteligencia artificial que analiza datos a través de algoritmos para identificar patrones y extraer conclusiones, el modelo pudo identificar un biomarcador inflamatorio a través de un conjunto de análisis de sangre que no se utilizan típicamente en la práctica clínica estándar. Al examinar la firma inflamatoria identificada por InflaMix, los investigadores encontraron una asociación significativa con un mayor riesgo de fracaso del tratamiento con CAR T, incluyendo un mayor riesgo de muerte o recaída. Cabe destacar que InflaMix es un modelo no supervisado, lo que significa que fue entrenado sin conocimiento previo de los resultados clínicos.

El equipo de investigación observó que el modelo de aprendizaje automático es altamente adaptable, mostrando un buen rendimiento incluso al utilizar solo seis análisis de sangre comúnmente disponibles (pruebas que se evalúan típicamente en pacientes con linfoma) para evaluar la funcionalidad de InflaMix con menos datos. Esta característica es importante, ya que sugiere que la prueba podría ser accesible para una amplia gama de pacientes con linfoma. Para validar sus hallazgos iniciales, los investigadores estudiaron tres cohortes independientes, compuestas por 688 pacientes con LNH con diversas características clínicas y subtipos de enfermedad que habían recibido diferentes productos CAR T. En el futuro, el equipo planea explorar si la inflamación identificada por InflaMix afecta directamente la función de las células CAR T e investigar las causas subyacentes de esta inflamación.

“Estos estudios demuestran que, mediante el aprendizaje automático y los análisis de sangre, podríamos desarrollar una herramienta altamente fiable que ayude a predecir quién responderá bien a la terapia con células CAR T”, afirmó Marcel van den Brink, MD, Ph.D., presidente de City of Hope Los Angeles y del Centro Médico Nacional City of Hope, y autor principal del artículo publicado en Nature Medicine. “InflaMix podría utilizarse para identificar con fiabilidad a los pacientes que están a punto de recibir tratamiento con células CAR T y que presentan un alto riesgo de que el tratamiento no funcione. Al identificar a estos pacientes, los médicos podrían diseñar nuevos ensayos clínicos que potencien la eficacia de la terapia con células CAR T mediante estrategias de tratamiento adicionales”.

Enlaces relacionados:
City of Hope

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
New
Miembro Oro
ANALIZADOR AUTOMATIZADO DE PROTEÍNAS
PA240
Miembro Oro
Neonatal Heel Incision Device
Tenderfoot

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.