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
Analizador de la función plaquetaria
PL-12
ANALIZADOR DE ELECTROLITOS
BKE-B
Thyroid Test
Anti-Thyroid EIA Test

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

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.