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

Deascargar La Aplicación Móvil




Nueva herramienta de IA revela señales genéticas ocultas en portaobjetos H&E de rutina

Por el equipo editorial de LabMedica en español
Actualizado el 14 May 2026
Imagen: Análisis espacial de muestras de tejido (a la izquierda) e imagen H&E estándar (a la derecha) (Fotografía cortesía de QIMR Berghofer Medical Research Instituter
Imagen: Análisis espacial de muestras de tejido (a la izquierda) e imagen H&E estándar (a la derecha) (Fotografía cortesía de QIMR Berghofer Medical Research Instituter

Los patólogos de todo el mundo utilizan preparaciones teñidas con hematoxilina y eosina (H&E) para examinar la arquitectura tisular; sin embargo, estas tinciones no revelan la actividad molecular subyacente que suele desencadenar las enfermedades. Ante el aumento de la carga de trabajo y la desigualdad en el acceso a ensayos moleculares especializados, los laboratorios necesitan herramientas que permitan identificar señales clínicamente relevantes en muestras de rutina.

Los enfoques de biología espacial pueden revelar interacciones celulares complejas dentro del microambiente tisular que la microscopía estándar no puede detectar. Un nuevo estudio demuestra que un sistema de inteligencia artificial (IA) puede extraer dicha información de preparaciones cotidianas para facilitar diagnósticos más tempranos y precisos.

Investigadores del Instituto de Investigación Médica QIMR Berghofer (Brisbane, Australia) han desarrollado STimage, una herramienta de cribado basada en IA que aprovecha la biología espacial para predecir marcadores genéticos ocultos y características de enfermedades directamente a partir de tejido teñido con hematoxilina y eosina.

El sistema, basado en aprendizaje automático y algoritmos estadísticos, aplica análisis espacial a toda la muestra para generar predicciones diagnósticas con fundamento biológico. Además, cuantifica la certeza de la predicción y muestra las características tisulares y celulares que contribuyeron al resultado, lo que permite una revisión transparente por parte de los patólogos.

Según el estudio, STimage predijo con precisión los cánceres de mama, piel y riñón, así como la colangitis esclerosante primaria, una enfermedad autoinmune del hígado. La herramienta se describió como fiable, de bajo coste y capaz de generar rápidamente resultados interpretables por patólogos. Los investigadores entrenaron el modelo con conjuntos de datos anonimizados que abarcaban las afecciones mencionadas.

El sistema generó predicciones pronósticas y de respuesta al tratamiento precisas, clasificando a los pacientes con alto o bajo riesgo de supervivencia y con probabilidad de respuesta completa o parcial a los fármacos existentes. Estas características pronósticas y terapéuticas se encuentran en una fase inicial y se están desarrollando aún más. En comparaciones directas realizadas por el equipo, STimage superó a un pequeño número de herramientas similares, además de ofrecer mayor fiabilidad e interpretabilidad.

La investigación se publicó en Nature Communications . El desarrollo se llevó a cabo en el Centro Nacional de Investigación de Tejidos Espaciales e Inteligencia Artificial (NCSTAR) del QIMR Berghofer. El equipo está ampliando el rango de tipos de cáncer detectables, aumentando la precisión e integrando conjuntos de datos adicionales para identificar células cancerosas menos frecuentes en una etapa temprana y tipos clave de células inmunitarias que influyen en la progresión del cáncer y la respuesta a los fármacos. La siguiente fase consiste en ensayos en laboratorios de patología.

“Es como darles a los patólogos la visión de superresolución de Superman o Superwoman para escanear millones de biomarcadores invisibles en una pequeña muestra de tejido y encontrar los dos o tres que muestran signos de cáncer. Esta capacidad es fundamental para la detección temprana, un diagnóstico más preciso y decisiones de tratamiento mejor fundamentadas”, dijo el profesor asociado Quan Nguyen, quien lideró el desarrollo de la herramienta con el Centro Nacional de Investigación Espacial de Tejidos e Inteligencia Artificial (NCSTAR) de QIMR Berghofer.

“La herramienta STimage no reemplaza la experiencia y los conocimientos de los patólogos. Más bien, les ayuda en su importante y técnicamente compleja labor, proporcionándoles información adicional sobre los tipos de células y la actividad genética que no pueden observar a simple vista”, afirmó el profesor asociado Nguyen.

Enlaces relacionados
QIMR Berghofer Medical Research Institute

Miembro Oro
HISOPOS DE FIBRA FLOCADA
Puritan® Patented HydraFlock®
Software de laboratorio
Acusera 24•7
New
Manual Pipetting Aid
Pipette Controllers macro
New
CMV CLIA Diagnostic
CLIA CMV IgA Screen Group

Canales

Química Clínica

ver canal
Imagen: El método dSAA divide el líquido cefalorraquídeo de un paciente en compartimentos a escala de nanolitros y cuenta digitalmente la cantidad de

Prueba ultrasensible detecta un biomarcador clave de un subtipo de demencia frontotemporal

La demencia afecta a más de 57 millones de personas en todo el mundo y se prevé que esta cifra casi se duplique en las próximas dos décadas, lo que supone una gran carga para... Más

Hematología

ver canal
Imagen: EasyM es una prueba de sangre altamente sensible que rastrea un biomarcador de mieloma llamado proteína M (crédito de la foto: 123RF)

Análisis de sangre permite la detección temprana de recaída del mieloma múltiple

Las biopsias de médula ósea siguen siendo fundamentales para diagnosticar y monitorizar el mieloma múltiple, pero el procedimiento es doloroso, invasivo y a menudo se repite con el tiempo.... Más

Microbiología

ver canal
Imagen: Biosensor para la detección de tuberculosis (fotografía cortesía de la UPV)

Biosensor de antígeno detecta tuberculosis activa en una hora

La tuberculosis sigue siendo un importante desafío de salud global y continúa siendo una causa significativa de morbilidad y mortalidad. El informe mundial de 2024 de la Organización... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.