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
LGC Clinical Diagnostics

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.

Métodos de inteligencia artificial podrían reemplazar la tinción histoquímica

Por el equipo editorial de LabMedica en español
Actualizado el 08 Nov 2022
Print article
Imagen: Los investigadores están utilizando técnicas de IA para mejorar el flujo de trabajo de patología (Fotografía cortesía de Pexels)
Imagen: Los investigadores están utilizando técnicas de IA para mejorar el flujo de trabajo de patología (Fotografía cortesía de Pexels)

En el hospital, hay un grupo de médicos que utilizan muestras de tejido como "material de evidencia", analizan la evidencia usando cuchillos, rebanadoras y microscopios para extraer pistas de las muestras de tejido y brindan a los pacientes "veredictos": informes de diagnóstico. Se les llama los "jueces" del hospital: los patólogos. Los patólogos observan las muestras tiñéndolas primero. Sin embargo, los procedimientos estándar para teñir muestras de tejido en histopatología consumen mucho tiempo y requieren una infraestructura de laboratorio especializada, reactivos químicos y técnicos capacitados. La incertidumbre en la tinción de tejidos en el manejo de diferentes laboratorios y técnicos de histología puede conducir a un diagnóstico erróneo. Además, la muestra de tejido original no se conserva con estas técnicas de tinción histoquímica actualmente en uso, ya que cada paso de los procedimientos tiene un impacto irreversible en la muestra.

Con el avance de la inteligencia artificial (IA), los investigadores están utilizando técnicas de IA para mejorar el flujo de trabajo de patología. Un estudio reciente realizado por investigadores de la Universidad de California en Los Ángeles (UCLA, Los Ángeles, CA, EUA) utilizó redes neuronales profundas para teñir virtualmente imágenes microscópicas de tejido sin etiquetar. Las redes neuronales profundas ya se han aplicado para teñir imágenes de secciones de tejido sin etiquetar, evitando diferentes procesos de tinción histoquímica laboriosos y lentos. Hay, sin embargo, algunos cuellos de botella. El método de enfoque automático más utilizado requiere muchos puntos de enfoque en el área del portaobjetos de tejido con una alta precisión de enfoque, y el mejor plano focal se determina mediante un algoritmo de búsqueda iterativo, que requiere mucho tiempo y puede producir daños por luz y decoloración en las muestras.

Para superar estos problemas, los investigadores presentaron un nuevo marco de tinción virtual rápida basado en el aprendizaje profundo. En comparación con el marco de tinción virtual estándar, el nuevo marco demostrado por los investigadores utiliza menos puntos focales y reduce la precisión de enfoque para cada punto de enfoque para adquirir imágenes de autofluorescencia de diapositivas completas de enfoque grueso del tejido. El nuevo marco de tinción virtual puede reducir significativamente el tiempo de enfoque automático y todo el proceso de adquisición de imágenes. A pesar de la pérdida de nitidez y contraste de la imagen en comparación con los marcos de tinción virtual estándar, aún se pueden producir tinciones de alta calidad, que se asemejan mucho a las imágenes correspondientes reales del terreno teñidas histoquímicamente. Además, este marco también se puede utilizar como un módulo adicional para mejorar la solidez del marco de tinción virtual estándar. Este marco de tinción virtual rápida tendrá más perspectivas de desarrollo en el futuro.

“Este marco utiliza una red neuronal de enfoque automático (denominada Deep-R) para reenfocar digitalmente las imágenes de autofluorescencia desenfocadas. Luego se utiliza una red de tinción virtual para transformar las imágenes reenfocadas en imágenes virtualmente teñidas”, escribieron los autores. “El marco basado en el aprendizaje profundo reduce el tiempo total de adquisición de imágenes necesario para la tinción virtual de imágenes de portaobjetos completos sin etiquetas (WSI) en ~32 %, lo que también da como resultado una disminución de ~89 % en el tiempo de enfoque automático por portaobjetos de tejido”.

“Este rápido flujo de trabajo de tinción virtual también se puede expandir a muchas otras tinciones, como la tinción tricrómica de Masson, la tinción de plata de Jones y las tinciones inmunohistoquímicas (IHC)”, concluyeron los autores. “Aunque el método de tinción virtual presentado aquí se demostró en base a la imagen de autofluorescencia de secciones de tejido sin etiquetar, también se puede usar para acelerar el flujo de trabajo de tinción virtual de otras modalidades de microscopía sin etiquetas”.

Enlaces relacionados:
Universidad de California en Los Ángeles

HLX
New
Proveedor de oro
HDL Subfractions Kit
Lipoprint HDL Subfractions Kit
New
C-Reactive Protein Test
STANDARD F hs-CRP FIA
New
Herpes Simplex Virus Test
S3002E HSV-2

Print article

Canales

Química Clínica

ver canal
Imagen: Celdas electroquímicas grabadas con láser en depresor lingual de madera mide glucosa y nitrito en saliva (Fotografía cortesía de Analytical Chemistry)

Depresor lingual de madera fabricado con biosensor mide glucosa y nitrito en saliva

Los médicos suelen utilizar depresores linguales para examinar la boca y la garganta de un paciente. Sin embargo, es difícil imaginar que esta simple herramienta de madera pueda evaluar activamente... Más

Diagnóstico Molecular

ver canal
Imagen: El nuevo algoritmo puede predecir la enfermedad renal diabética (Fotografía cortesía de Freepix)

Algoritmo de IA predice enfermedad renal diabética a través de análisis de sangre

La diabetes es reconocida mundialmente como el principal contribuyente a la insuficiencia renal. Se han logrado avances importantes en el diseño de tratamientos para la enfermedad renal en pacientes... Más

Hematología

ver canal
Imagen: Los analizadores de hematología de Atellica HEMA 570 y 580 eliminan las barreras del flujo de trabajo (Fotografía cortesía de Siemens)

Analizadores de hematología de próxima generación eliminan obstáculos del flujo de trabajo y alcanzan un rendimiento rápido

Las pruebas de hematología son un aspecto crítico de la atención del paciente, se utilizan para establecer la línea de base de salud de un paciente, hacer seguimiento del progreso... Más

Microbiología

ver canal
Imagen: La prueba rápida MTB Strip para tuberculosis puede identificar pacientes con TB en dos horas (Fotografía cortesía de la Universidad de Chulalongkorn)

Prueba de tira reactiva rápida para MTB detecta tuberculosis en menos de una hora sin herramientas especiales

La tuberculosis (TB), una enfermedad altamente infecciosa, continúa planteando desafíos importantes para la salud pública en todo el mundo. La TB es causada por una bacteria conocida... Más

Tecnología

ver canal
El biosensor electrónico  utiliza aptámeros de ADN para detectar biomarcadores en muestras de sangre completa (Fotografía cortesía de Freepik)

Biosensor electrónico detecta biomarcadores en muestras de sangre completa sin agregar reactivos

La ausencia de herramientas bioanalíticas robustas, confiables y fáciles de usar para el diagnóstico temprano y oportuno de enfermedades cardiovasculares, particularmente el paro ... Más

Industria

ver canal
Imagen: Se espera que el mercado global de diagnóstico de hemostasia alcance los USD 3.950 millones de dólares para 2025 (Fotografía cortesía de Freepik)

Mercado mundial de diagnóstico de hemostasia impulsado por aumento de procedimientos quirúrgicos invasivos

Una lesión o cirugía genera de forma natural hemorragias en los seres vivos, que deben detenerse para evitar una pérdida excesiva de sangre. El cuerpo humano implementa un mecanismo... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.