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




Análisis mediante biopsia líquida identifican mutaciones y mejoran la predicción de recurrencias

Por el equipo editorial de LabMedica en español
Actualizado el 23 Mar 2020
Imagen: Los ensayos de ADN tumoral circulante (ADNtc) se pueden usar para la detección sensible de enfermedad residual mínima en pacientes tratadas para cáncer de mama en estadio temprano (Fotografía cortesía de Natera).
Imagen: Los ensayos de ADN tumoral circulante (ADNtc) se pueden usar para la detección sensible de enfermedad residual mínima en pacientes tratadas para cáncer de mama en estadio temprano (Fotografía cortesía de Natera).
El concepto de crear paneles de mutación a la medida o personalizados para usar en la detección de recurrencia del cáncer y la monitorización de la enfermedad residual no es nuevo en este momento. Los científicos comenzaron a probar estos métodos hace varios años, inicialmente rastreando mutaciones individuales y luego colecciones de alteraciones derivadas de datos de secuenciación tumoral.

Se ha desarrollado un nuevo método para monitorizar paneles individualizados de hasta cientos de mutaciones de cáncer diferentes en muestras de sangre y en una cohorte de pacientes con cáncer de seno temprano, este ensayo podría detectar el ADN del cáncer en muestras de sangre de pacientes recolectadas en un promedio de 18 meses, y hasta tres años antes, de que se diagnosticara la recurrencia metastásica.

Un equipo multidisciplinario de científicos que trabaja con el Instituto de Cáncer Dana-Farber (Boston, MA, EUA) desarrolló una prueba para rastrear cientos de mutaciones específicas de los pacientes que permite detectar la enfermedad residual mínima (ERM) con una tasa de error mil veces menor que con la secuenciación convencional. El equipo diseñó retrospectivamente ensayos de biopsia líquida personalizados para una cohorte de 142 pacientes con cáncer temprano de mama que tenían muestras almacenadas de sangre y tejidos y habían sido diagnosticadas, tratadas y monitorizadas para detectar la recurrencia de la enfermedad durante un período de 13 años.

Comenzando con los datos de secuenciación del exoma del tejido tumoral, los investigadores definieron paneles personalizados de mutaciones genéticas para cada paciente que luego tratarían de rastrear en la muestras de sangre. El panel más grande que pudieron generar fue 346 mutaciones, aunque el rango fue grande, hasta solo dos mutaciones para otro individuo, y alrededor de 57 en promedio en la cohorte. Notablemente, la biopsia líquida detectó signos de cáncer en muestras almacenadas tomadas un año después de la cirugía para seis pacientes, a todas las cuales luego se les diagnosticó recurrencia metastásica, en promedio unos 18 meses, pero en un caso tres años después.

Otras 26 pacientes dieron resultados negativos en sus muestras de sangre un año después de la cirugía, pero, sin embargo, desarrollaron recurrencia. Pero, en general, el cáncer en estas pacientes tendió a reaparecer en una línea de tiempo promedio mucho más larga, hasta 10 años después. Es posible que para estas recurrencias a más largo plazo, no haya señales de ADN tumoral circulante (ADNtc) presentes en este punto de tiempo de prueba de un año. La sensibilidad clínica fue de 13/16 (81%) para el cáncer de mama metastásico (CMM) recién diagnosticado, 7/30 (23%) para el postoperatorio y 6/32 (19%) para el año en la enfermedad en estadio temprano, y la más alta en pacientes con la mayor cantidad de mutaciones tumorales disponibles para rastrear. La detección de ERM al año se asoció fuertemente con recurrencia distante (relación de riesgo [RR] = 20,8).

Heather A. Parsons, MD, MPH, oncóloga médica y coautora del estudio, dijo: “Nuestro objetivo es poder convertir a las pacientes que hubieran desarrollado una enfermedad metastásica en pacientes que no lo harán. En el futuro, si podemos encontrar a esas pacientes con cáncer residual lo suficientemente temprano, como para determinar si se beneficiarían de otro curso de terapia y darles un tratamiento adicional efectivo, podríamos cambiar el curso de su enfermedad”. El estudio fue publicado el 13 de marzo de 2020 en la revista Clinical Cancer Research.

Enlace relacionado:
Instituto de Cáncer Dana-Farber

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
New
Miembro Oro
Serum Indices Control
Acusera Serum Indices Control
New
Automated Immunoassay Analyzer
SuperFlex™
New
Nucleic Acid Purification Instrument
QIAsymphony Connect

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

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... 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.