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




Plataforma de IA permite detección rápida de patógenos de C. auris resistentes a fármacos

Por el equipo editorial de LabMedica en español
Actualizado el 23 Jan 2026
Imagen: la plataforma de diagnóstico de precisión dSHERLOCK permite la evaluación cuantitativa de infecciones por hongos en 20 minutos (fotografía cortesía del Instituto Wyss de la Universidad de Harvard)
Imagen: la plataforma de diagnóstico de precisión dSHERLOCK permite la evaluación cuantitativa de infecciones por hongos en 20 minutos (fotografía cortesía del Instituto Wyss de la Universidad de Harvard)

Las infecciones causadas por la levadura patógena Candida auris representan una amenaza significativa para los pacientes hospitalizados, en particular para aquellos con sistemas inmunitarios debilitados o que poseen dispositivos médicos invasivos. El hongo se propaga fácilmente en entornos sanitarios, sobrevive durante largos periodos en las superficies y suele ser resistente a los desinfectantes y antimicóticos habituales. Una vez que las infecciones llegan al torrente sanguíneo o a órganos vitales, pueden ser mortales. Los métodos de diagnóstico actuales son lentos, costosos y poco adecuados para tomar decisiones terapéuticas rápidas. Investigadores han desarrollado una prueba rápida y precisa que permite cuantificar la presencia de C. auris y su resistencia a los antimicóticos directamente a partir de hisopados rutinarios de pacientes.

La tecnología, desarrollada por investigadores especializados en diagnóstico CRISPR, detección de moléculas individuales y análisis computacional del Instituto Wyss de Ingeniería de Inspiración Biológica (Boston, MA, EUA), integra el diagnóstico SHERLOCK basado en CRISPR con la tecnología ultrasensible de microarrays de moléculas individuales. Al combinar la detección molecular con lecturas de fluorescencia en tiempo real, el sistema permite el análisis rápido y cuantitativo del ADN fúngico a partir de muestras de hisopo fácilmente obtenibles.

El método, denominado SHERLOCK digital o dSHERLOCK, utiliza miles de reacciones paralelas de una sola molécula para detectar el material genético de C. auris con precisión de un solo nucleótido. Las señales fluorescentes generadas durante la reacción se monitorizan en tiempo real y se interpretan mediante algoritmos de aprendizaje automático. Este diseño permite que la prueba no solo detecte la presencia de C. auris, sino que también mida la carga fúngica e identifique mutaciones que causan resistencia a los antimicóticos de uso común, incluso en poblaciones mixtas con susceptibilidad variable.

Los investigadores validaron dSHERLOCK utilizando hisopos de vigilancia de pacientes proporcionados por un laboratorio estatal de micología de salud pública. El ensayo detectó C. auris en 20 minutos y cuantificó la carga fúngica en 40 minutos, una mejora significativa con respecto a los procesos de trabajo actuales, que pueden tardar hasta una semana. El estudio, publicado en Nature Biomedical Engineering, demostró que dSHERLOCK identificó con precisión mutaciones asociadas a la resistencia a antifúngicos azólicos y equinocandinas, revelando patrones de resistencia que los diagnósticos estándar suelen pasar por alto.

Al ofrecer resultados cuantitativos rápidos en el punto de atención, dSHERLOCK podría ayudar a los médicos a seleccionar terapias antifúngicas eficaces con mayor rapidez y reducir la exposición innecesaria a fármacos. La tecnología también ofrece una forma de monitorizar la evolución de la resistencia durante los brotes, mejorando así el control de infecciones en hospitales y residencias de ancianos. Los investigadores planean adaptar la plataforma para su uso clínico descentralizado y explorar su aplicación a otros patógenos fúngicos y microbianos donde la rápida caracterización de la resistencia es crucial.

“Las capacidades que estamos introduciendo con dSHERLOCK satisfacen los principales requisitos clínicos de un ensayo de última generación que permita identificar y cuantificar rápidamente la carga de C. auris en muestras de pacientes de fácil obtención y generar una visión cuantitativa del panorama de la RAM en muestras individuales”, afirmó el coautor principal, el Dr. James Collins, quien dirigió el proyecto. “Esto no ha sido posible con los métodos de diagnóstico anteriores y constituye un logro tecnológico”.

Enlaces relacionados:
Instituto Wyss de Ingeniería de Inspiración Biológica

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
HISOPOS DE FIBRA FLOCADA
Puritan® Patented HydraFlock®
New
Automated Immunoassay Analyzer
SuperFlex™
New
Neurofilament Light Chain Assay
Lumipulse G NfL Blood

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

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.