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




Método de análisis tumoral identifica cáncer de próstata de alto riesgo

Por el equipo editorial de LabMedica en español
Actualizado el 05 Oct 2016
Imagen: Una micrografía electrónica de barrido a color (SEM) de las células de cáncer de próstata humano (Fotografía cortesía del Dr. Gopal Murti).
Imagen: Una micrografía electrónica de barrido a color (SEM) de las células de cáncer de próstata humano (Fotografía cortesía del Dr. Gopal Murti).
Se ha creado una nueva forma de identificar qué pacientes con cáncer de próstata son propensos a desarrollar tipos agresivos de la enfermedad, incluso si sus tumores en un principio parecen ser de menor riesgo.

El cáncer de próstata es una enfermedad biológicamente heterogénea con alteraciones moleculares variables que son responsables de la iniciación y progresión del cáncer. A pesar de los recientes avances en la comprensión de la heterogeneidad del cáncer de próstata, todavía se necesitan mejores métodos para la clasificación del cáncer de próstata con el fin de mejorar la exactitud de pronóstica y los resultados terapéuticos.

Un equipo de científicos dirigidos por aquellos en el Centro Médico Cedars-Sinai (Los Ángeles, CA, EUA) reunió computacionalmente a una gran cohorte virtual de perfiles de transcriptoma del cáncer de próstata humano de 38 cohortes distintas y, utilizando las firmas de activación de vías de relevancia conocida para el cáncer de próstata, desarrollaron un sistema de clasificación novedoso que consiste en tres subtipos distintos (llamado PCS1-3). Los investigadores validaron este esquema de subtipos en 10 cohortes de pacientes independientes y 19 modelos de laboratorio de cáncer de próstata, incluyendo líneas celulares y modelos de ratones genéticamente modificados.

El equipo encontró mostró que uno de los tres subtipos de cáncer de próstata que identificaron, el cual llamaron PCS1, era generalmente agresivo. En los pacientes que estudiaron, este subtipo mostró una alta probabilidad de propagación y progreso hacia malos resultados clínicos, incluyendo muertes. Los pacientes experimentaron malos resultados, incluso cuando los tumores habían sido asignados con grados de Gleason, bajos. Los otros dos subtipos, PCS2 y PCS3, progresaron más lentamente. Actualmente, los pacientes con tumores de bajo grado a menudo no reciben tratamiento y en su lugar se controlan cuidadosamente, bajo una estrategia conocida como vigilancia activa. El nuevo estudio indica que la vigilancia activa puede no ser suficiente para algunos de estos pacientes.

Una ventaja adicional para la nueva subtipificación es que se puede realizar en células tumorales circulantes en la sangre. Este descubrimiento tiene el potencial de mejorar la supervisión en tiempo real de la evolución del tumor durante el tratamiento. Michael Freeman, PhD, investigador principal del estudio, dijo: “Alrededor del 60% de los pacientes con cáncer de próstata que tratamos, no progresan a cáncer agresivo. El problema era que no teníamos manera de saber qué pacientes se clasificaban en ese 60%. Esperamos que nuestros hallazgos les ayuden a los médicos a proporcionarles a más pacientes con los tratamientos óptimos, y obtener resultados más saludables”. El estudio fue publicado el 1 de septiembre de 2016, en la revista Cancer Research.

Enlace relacionado:
Cedars-Sinai Medical Center


Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
New
Miembro Oro
Serum Indices Control
Acusera Serum Indices Control
New
Drug Testing Assays
Atellica DT 250 Analyzer
Automated Clinical Chemistry Analyzer
Envoy 500+

Canales

Química Clínica

ver canal
Imagen: La prueba Galleri de GRAIL utiliza el aprendizaje automático para analizar patrones de ADNcf en busca de señales de cáncer y predecir su ubicación probable para guiar una evaluación adicional.

Prueba sanguínea multicáncer amplía detección a cánceres sin opciones de cribado rutinario

Muchos cánceres letales carecen de cribado rutinario y a menudo se diagnostican solo después de que aparecen los síntomas, lo que limita las opciones curativas. Los programas estándar... Más

Diagnóstico Molecular

ver canal
Imagen: El flujo de trabajo propuesto agrega biopsia líquida para detectar signos genéticos y moleculares de cáncer en muestras de LCR ya recolectadas durante la evaluación de la encefalitis autoinmune. (Crédito de la imagen: Shutterstock)

Biopsia líquida de LCR podría ayudar a distinguir cáncer de inflamación cerebral autoinmunitaria

La encefalitis autoinmunitaria puede causar cambios en la memoria y la conducta, convulsiones y alteración del nivel de conciencia, pero el diagnóstico puede ser difícil porque los... Más

Inmunología

ver canal
Imagen: Aptiva utiliza tecnología de analitos múltiples basada en partículas (PMAT) (Fotografía cortesía de Werfen)

Werfen amplía pruebas automatizadas de SAF con reactivo IgA autorizado por la FDA y marcado CE

El síndrome antifosfolípido (SAF) es un trastorno autoinmunitario asociado con trombosis y complicaciones del embarazo, pero sus síntomas pueden superponerse con los de otras afecciones,... Más

Microbiología

ver canal
Imagen: El ébola sigue siendo una amenaza para la salud pública en rápida evolución con una alta mortalidad, lo que subraya la necesidad de un diagnóstico oportuno y pruebas descentralizadas más cercanas a los pacientes (Crédito de la imagen: Adobe Stock)

Colaboración busca llevar detección sanguínea del ébola fuera de los laboratorios centrales

Co-Diagnostics, Inc. (Salt Lake City, UT, EE. UU.) y ReadyGo Diagnostics Ltd. (Bath, Reino Unido) han iniciado una colaboración para evaluar GoCollect de ReadyGo con la plataforma Co-Dx PCR para... 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.