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




Modelo de análisis de muestras de tejido asistido por IA acelera diagnóstico del cáncer de mama

Por el equipo editorial de LabMedica en español
Actualizado el 10 Jun 2022
Imagen: Modelo clínico de IA  de Aiforia para el cáncer de mama; PR mejora el diagnóstico del cáncer de mama (Fotografía cortesía de Aiforia)
Imagen: Modelo clínico de IA de Aiforia para el cáncer de mama; PR mejora el diagnóstico del cáncer de mama (Fotografía cortesía de Aiforia)

El campo de la patología está experimentando un cambio de paradigma. Los patólogos han confiado en la misma tecnología engorrosa y propensa a sesgos durante los últimos 150 años; análisis manual de portaobjetos con microscopios para tareas como la evaluación de muestras de pacientes para ayudar en el diagnóstico del cáncer. Los investigadores están trabajando para proporcionar herramientas para superar los desafíos que plantean estos métodos tradicionales. A través de la automatización y las herramientas digitales, los laboratorios de patología clínica pueden aumentar la velocidad y la precisión de su trabajo, lo que permite que los pacientes reciban diagnósticos y planes de tratamiento más rápido y al mismo tiempo alivian la tensión de los patólogos. La IA de aprendizaje profundo tiene el potencial de brindar velocidad y precisión a la evaluación y el diagnóstico de muestras. Ahora, una nueva herramienta de IA puede mejorar la evaluación pronóstica y predictiva en el diagnóstico del cáncer de mama a través de sus funcionalidades únicas.

La mayoría de los casos de cáncer de mama expresan receptor de estrógeno (ER) y/o receptor de progesterona (PR). Por lo tanto, los dos se consideran los biomarcadores más importantes involucrados en la evaluación del cáncer de mama. El modelo clínico de IA para el cáncer de mama, ER, de Aiforia Technologies Plc (Cambridge, MA, EUA); es un modelo de IA que automatiza el cálculo de ER, un grupo de proteínas presentes en la mayoría de los cánceres de mama, por lo tanto, un biomarcador vital en su diagnóstico, así como un factor predictivo de uso común para el tratamiento y un factor pronóstico para la supervivencia en el cáncer de mama. El modelo clínico de IA de Aiforia para el cáncer de mama; PR automatiza la detección de áreas tumorales, así como el cálculo de células PR positivas y negativas a partir de imágenes de portaobjetos completos (WSI) y áreas seleccionadas, e incluso la visualización y selección de áreas con alta densidad PR positiva o puntos críticos. Los resultados del análisis de imágenes asistido por IA están disponibles con rapidez y consistencia. Aiforia ofrece actualmente tres modelos clínicos de IA con marcado CE-IVD para el diagnóstico de cáncer de mama, así como el modelo de IA PD-L1 con marcado CE-IVD para el diagnóstico de cáncer de pulmón.

“Dado que la positividad de ER y PR en el cáncer de mama siempre se mide, era natural desarrollar un modelo para la detección de células tumorales PR positivas también. Debe reconocerse que la expresión del biomarcador PR también depende del biomarcador ER”, explicó la Dra. Nelli Sjöblom MD, patóloga consultora de Aiforia Technologies. “Sin embargo, todavía tiene un valor pronóstico independiente y se asocia, por ejemplo, con el grado del tumor. Los cánceres de mama con positividad ER y/o PR tienen un menor riesgo de recurrencia de la enfermedad por lo que es imperativo identificar a estas pacientes de forma fiable para poder elegir la opción terapéutica adecuada”.

Enlaces relacionados:
Aiforia Technologies Plc  

New
Miembro Oro
Hematology System
Medonic M16M
KIT DE PRUEBA POC PARA H.PYLORI
Hepy Urease Test
New
Rapid TB Cold Staining Solution
Kit Quick TB
New
H63D Mutation Detection Assay
REALQUALITY RS-HEMO H63D

Canales

Diagnóstico Molecular

ver canal
Imagen: ARIA puede manifestarse como inflamación cerebral o pequeñas hemorragias en las resonancias magnéticas, y sigue siendo difícil de predecir antes de iniciar el tratamiento (Reisa A, Sperling et al, via Wikimedia Commons, CC BY 4.0)

Huella inmunitaria en sangre predice efectos secundarios de nuevos fármacos para Alzheimer

Las nuevas terapias con anticuerpos para la enfermedad de Alzheimer han demostrado ser prometedoras para ralentizar su progresión, pero su uso generalizado se ha visto limitado por un efecto secundario... Más

Industria

ver canal
Imagen: La incorporación de la cartera de instrumentos, reactivos y anticuerpos IHC complementarios de Biocare mejora la oferta de inmunohistoquímica de Agilent (Fotografía cortesía de Biocare Medical)

Agilent Technologies adquiere la empresa de diagnóstico patológico Biocare Medical

Agilent Technologies (Santa Clara, California, EE. UU.) ha firmado un acuerdo definitivo para adquirir Biocare Medical (Pacheco, California, EE. UU.), ampliando así su cartera de productos de p... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.