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

Descargar La Aplicación Móvil




Cáncer de próstata se diagnostica mejor usando la inteligencia artificial

Por el equipo editorial de LabMedica en español
Actualizado el 29 Jan 2020
Imagen: Microfotografía de una biopsia histológica de un adenocarcinoma prostático, tipo convencional (acinar), la forma más común de cáncer de próstata (Fotografía cortesía de Nephron).
Imagen: Microfotografía de una biopsia histológica de un adenocarcinoma prostático, tipo convencional (acinar), la forma más común de cáncer de próstata (Fotografía cortesía de Nephron).
El cáncer de próstata es un tipo de cáncer frecuente, pero no siempre agresivo: mueren más hombres con cáncer de próstata que por cáncer de próstata. Sin embargo, su tratamiento tiene muchas consecuencias para la calidad de vida de los pacientes, por lo que poder determinar la agresividad es un paso importante para elegir un tratamiento.

Para determinar la agresividad del cáncer, se toman biopsias de la próstata, que son cualificadas por un patólogo. Este “puntaje de Gleason” se usa, a continuación, para clasificar las biopsias en cinco grupos, los Grupos de Grado de Gleason, que indican el riesgo de morir debido al cáncer de próstata. Sin embargo, este es un proceso subjetivo; si el paciente es tratado y cómo, puede depender del patólogo que evalúa el tejido.

Un equipo de científicos del Centro Médico de la Universidad Radboud (Nijmegen, Países Bajos) desarrolló un sistema de IA que examina esas biopsias de la misma manera en que lo hace un patólogo. El sistema de IA también determina el puntaje de Gleason, y luego el sistema puede clasificar una biopsia de acuerdo con los Grupos de Grado de Gleason. Mediante el aprendizaje profundo, el sistema examinó miles de imágenes de biopsias para saber qué es una próstata sana y cómo se ve el tejido de cáncer de próstata más o menos agresivo. Se usó una técnica de etiquetado semiautomático para evitar la necesidad de anotaciones manuales por parte de los patólogos, utilizando los informes de los patólogos como el estándar de referencia durante el entrenamiento. El sistema fue desarrollado para delinear glándulas individuales, asignar patrones de crecimiento de Gleason y determinar el grado a nivel de biopsia.

Los investigadores recolectaron 5.759 biopsias de 1.243 pacientes. El sistema desarrollado logró un alto acuerdo con el estándar de referencia y obtuvo un puntaje alto en los umbrales de decisión clínica: benigno versus maligno (área bajo la curva 0,99), grupo de grado de 2 o más (0,978) y grupo de grado 3 o más (0,974). En un experimento de observación, el sistema de aprendizaje profundo obtuvo una puntuación más alta (kappa 0,854) que el panel (kappa mediana 0,819), superando a 10 de 15 observadores patólogos. En el conjunto de datos de prueba externo, el sistema obtuvo una concordancia alta con el estándar de referencia establecido independientemente por dos patólogos (kappa cuadrático de Cohen 0,723 y 0,707) y dentro de la variabilidad interobservador (kappa 0,71).

Los autores concluyeron que su sistema automatizado de aprendizaje profundo logró un desempeño similar al de los patólogos para la clasificación de Gleason y podría contribuir, potencialmente, al diagnóstico de cáncer de próstata. El sistema podría ayudar potencialmente a los patólogos mediante el examen de biopsias, proporcionando segundas opiniones sobre el grado y presentando mediciones cuantitativas de los porcentajes de volumen. El estudio fue publicado el 8 de enero de 2020 en la revista The Lancet Oncology.

Enlace relacionado:
Centro Médico de la Universidad Radboud

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
ANALIZADOR AUTOMÁTICO CLIA
Shine i6000
Miembro Oro
Neonatal Heel Incision Device
Tenderfoot

Canales

Química Clínica

ver canal
Imagen: Joy Milne, cuyo elevado sentido del olfato ayudó a inspirar la investigación sobre la firma molecular del Parkinson, participa en una investigación que investiga el sentido del olfato. (Crédito de la imagen: Universidad de Manchester)

Estudio con hisopo cutáneo identifica cambios metabólicos asociados al Parkinson

La enfermedad de Parkinson puede ser difícil de diagnosticar antes de que aparezcan los síntomas motores, lo que pone de relieve la necesidad de métodos de detección más temprana.... Más

Hematología

ver canal
Imagen: Una nueva investigación que utiliza muestras de sangre almacenadas recolectadas a lo largo del tiempo ha rastreado el desarrollo de la leucemia mieloide aguda años y décadas antes del diagnóstico (Crédito de la imagen: Shutterstock)

Muestras de sangre seriadas revelan la evolución de la leucemia décadas antes del diagnóstico

La leucemia mieloide aguda (LMA) es un cáncer de la sangre agresivo que afecta aproximadamente a 2.700 personas en el Reino Unido cada año, y solo alrededor de una de cada seis pacientes... Más

Inmunología

ver canal
Imagen: Los hallazgos subrayan la importancia de alinear las pruebas de alergia con la historia clínica y las pautas de diagnóstico para reducir las pruebas inadecuadas y sus consecuencias (Crédito de la imagen: iStock)

Encuesta revela brecha entre conocimiento y práctica en pruebas de alergia alimentaria

La evaluación de la alergia alimentaria puede ser un desafío cuando los resultados de laboratorio no coinciden con los síntomas clínicos. Los paneles amplios de alergia alimentaria... Más

Microbiología

ver canal
Imagen: La malaria es causada por parásitos Plasmodium, transmitidos principalmente a través de la picadura de mosquitos Anopheles hembra infectados (Crédito de la imagen: Adobe Stock)

Los genomas completos de malaria podrían mejorar la identificación de especies y la vigilancia

La malaria sigue siendo un importante desafío mundial para la salud, con un estimado de 282 millones de casos y 610.000 muertes en todo el mundo en 2024. Aunque la mayor parte de la investigación... Más

Tecnología

ver canal
Imagen: Módulos e interacciones clave en el sistema agente LabARIA.  (Yang, H.S., Pan, W., Cushing, M.M. et al. An agentic framework for intelligent clinical laboratory medicine. npj Health Systems (2026). https://doi.org/10.1038/s44401-026-00163-3)

Un marco de IA multiagente apoya el monitoreo de la calidad y el flujo de trabajo en el laboratorio

Los laboratorios clínicos analizan sangre, orina, tejidos y otros fluidos corporales para apoyar el diagnóstico y el tratamiento de enfermedades. El aumento del volumen de pruebas, la escasez... Más

Industria

ver canal
Imagen: El evento de cuatro días, celebrado del 13 al 16 de noviembre en Cali, destacó los avances en diagnóstico clínico, tecnologías de laboratorio e inteligencia artificial en bacteriología

El CNB 2026 destaca los avances en bacteriología y medicina de laboratorio en Cali

El 24.º Congreso Internacional del Colegio Nacional de Bacteriología (CNB) reunió a profesionales de laboratorio, investigadores, representantes de la industria y expertos internacionales en Cali, Colombia,... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.