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.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
RANDOX LABORATORIES

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.

Modelo de análisis de muestras de tejido asistido por IA acelera diagnóstico del cáncer de mama

Por el equipo editorial de LabMedica en español
Actualizado el 10 Jun 2022
Print article
Imagen: Modelo clínico de IA  de Aiforia para el cáncer de mama; PR mejora el diagnóstico del cáncer de mama (Fotografía cortesía de Aiforia)
Imagen: Modelo clínico de IA de Aiforia para el cáncer de mama; PR mejora el diagnóstico del cáncer de mama (Fotografía cortesía de Aiforia)

El campo de la patología está experimentando un cambio de paradigma. Los patólogos han confiado en la misma tecnología engorrosa y propensa a sesgos durante los últimos 150 años; análisis manual de portaobjetos con microscopios para tareas como la evaluación de muestras de pacientes para ayudar en el diagnóstico del cáncer. Los investigadores están trabajando para proporcionar herramientas para superar los desafíos que plantean estos métodos tradicionales. A través de la automatización y las herramientas digitales, los laboratorios de patología clínica pueden aumentar la velocidad y la precisión de su trabajo, lo que permite que los pacientes reciban diagnósticos y planes de tratamiento más rápido y al mismo tiempo alivian la tensión de los patólogos. La IA de aprendizaje profundo tiene el potencial de brindar velocidad y precisión a la evaluación y el diagnóstico de muestras. Ahora, una nueva herramienta de IA puede mejorar la evaluación pronóstica y predictiva en el diagnóstico del cáncer de mama a través de sus funcionalidades únicas.

La mayoría de los casos de cáncer de mama expresan receptor de estrógeno (ER) y/o receptor de progesterona (PR). Por lo tanto, los dos se consideran los biomarcadores más importantes involucrados en la evaluación del cáncer de mama. El modelo clínico de IA para el cáncer de mama, ER, de Aiforia Technologies Plc (Cambridge, MA, EUA); es un modelo de IA que automatiza el cálculo de ER, un grupo de proteínas presentes en la mayoría de los cánceres de mama, por lo tanto, un biomarcador vital en su diagnóstico, así como un factor predictivo de uso común para el tratamiento y un factor pronóstico para la supervivencia en el cáncer de mama. El modelo clínico de IA de Aiforia para el cáncer de mama; PR automatiza la detección de áreas tumorales, así como el cálculo de células PR positivas y negativas a partir de imágenes de portaobjetos completos (WSI) y áreas seleccionadas, e incluso la visualización y selección de áreas con alta densidad PR positiva o puntos críticos. Los resultados del análisis de imágenes asistido por IA están disponibles con rapidez y consistencia. Aiforia ofrece actualmente tres modelos clínicos de IA con marcado CE-IVD para el diagnóstico de cáncer de mama, así como el modelo de IA PD-L1 con marcado CE-IVD para el diagnóstico de cáncer de pulmón.

“Dado que la positividad de ER y PR en el cáncer de mama siempre se mide, era natural desarrollar un modelo para la detección de células tumorales PR positivas también. Debe reconocerse que la expresión del biomarcador PR también depende del biomarcador ER”, explicó la Dra. Nelli Sjöblom MD, patóloga consultora de Aiforia Technologies. “Sin embargo, todavía tiene un valor pronóstico independiente y se asocia, por ejemplo, con el grado del tumor. Los cánceres de mama con positividad ER y/o PR tienen un menor riesgo de recurrencia de la enfermedad por lo que es imperativo identificar a estas pacientes de forma fiable para poder elegir la opción terapéutica adecuada”.

Enlaces relacionados:
Aiforia Technologies Plc  

Automated ELISA-IFA-BLOT Processor AP 22
New
Proveedor de oro
Microplate-Strip Washer
Wellwash Versa
New
Proveedor de oro
Body Fluid Application
CellaVision Body Fluid Application
New
PLGF ELISA Kit
Placental Growth Factor ELISA

Print article

Canales

Hematología

ver canal
Imagen: Esta fotografía muestra un primer plano del rostro de un paciente con telangiectasias múltiples secundarias a telangiectasias hemorrágicas hereditarias (Fotografía cortesía del Dr. P. Marazzi)

Secuencias del genoma completo discriminan entre los fenotipos hereditarios de telangiectasia hemorrágica

Las estructuras vasculares anormales de la telangiectasia hemorrágica hereditaria (THH) a menudo causan anemia grave debido a la hemorragia recurrente, pero los genes causales de la THH no predicen... Más

Industria

ver canal
Imagen: Se espera que la creciente demanda de ensayos y reactivos impulse el mercado de diagnóstico de sepsis (Fotografía cortesía de Pexels)

Mercado mundial de diagnóstico de sepsis impulsado por creciente demanda de ensayos y reactivos

Se prevé que el mercado mundial de diagnóstico de sepsis crezca a una tasa compuesta anual cercana al 8 %, desde un valor estimado de 750 millones de dólares en 2022 a 1.... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.