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

Deascargar La Aplicación Móvil




Nuevas moléculas de ARN pueden ayudar a predecir recurrencia del cáncer de intestino

Por el equipo editorial de LabMedica en español
Actualizado el 03 Nov 2024
Imagen: El avance en el cáncer de intestino podría dar lugar a mejores resultados de tratamiento (Foto cortesía de Shutterstock)
Imagen: El avance en el cáncer de intestino podría dar lugar a mejores resultados de tratamiento (Foto cortesía de Shutterstock)

El cáncer colorrectal representa el 10 % de todas las muertes relacionadas con el cáncer en todo el mundo y se clasificó como la segunda causa más común de muerte por cáncer en los Estados Unidos en 2022. Actualmente, los médicos enfrentan desafíos de diagnóstico debido a la ausencia de marcadores de pronóstico efectivos para determinar si un paciente con cáncer de intestino en etapa temprana solo debe someterse a la extirpación del tumor o requerir quimioterapia adicional, en particular si el cáncer presenta características agresivas que podrían llevar a una recaída más adelante en la vida. Ahora, los investigadores han identificado nuevas moléculas de ARN que podrían ayudar a los médicos a predecir la probabilidad de recurrencia del cáncer de intestino. Este avance podría permitir a los profesionales de la salud clasificar a los pacientes con cáncer colorrectal en etapa temprana en grupos según su riesgo de desarrollar metástasis y recurrencia de la enfermedad, lo que en última instancia mejorará los resultados del tratamiento. Los pacientes de alto riesgo podrían recibir más quimioterapia, mientras que los de menor riesgo podrían evitar un sobretratamiento innecesario.

En un estudio realizado por la Universidad de Otago (Dunedin, Nueva Zelanda), los investigadores examinaron los tejidos de pacientes de la cohorte de cáncer colorrectal de Dunedin para identificar tres ARN largos no codificantes (ARNlnc) que estaban presentes exclusivamente en las células cancerosas y ausentes en los tejidos sanos. Los investigadores descubrieron que los niveles elevados de estos ARNlnc se correlacionaban con peores resultados para los pacientes, lo que sugiere su potencial como indicadores de pronóstico. Este estudio, publicado en npj Precision Oncology, tiene especial importancia para las regiones con altas tasas de cáncer de intestino, lo que destaca la necesidad urgente de avances clínicos en el manejo de esta enfermedad.

“Utilizamos algunas tecnologías interesantes para realizar esta investigación, incluida la transcriptómica espacial (utilizando una imagen del tumor como un mapa para ver exactamente dónde se activan o desactivan los genes) y la inteligencia artificial, para ayudarnos a predecir qué tipos de células están presentes en los tumores”, dijo la autora principal Holly Pinkney, candidata a doctorado en el Departamento de Bioquímica. “El desarrollo de nuevas tecnologías, como el mapeo espacial de tumores o la inteligencia artificial para hacer predicciones sobre diferentes partes del tumor, son importantes para ayudarnos a realizar esta investigación y destacar cómo se pueden aprovechar los nuevos avances científicos para la investigación del cáncer”.

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
New
Miembro Oro
Analizador de la función plaquetaria
PL-12
Automated Clinical Chemistry Analyzer
Envoy 500+
New
Solución de automatización para laboratorios de microbiología
BD Kiestra™ ReadA+BarcodA

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.