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.

Herramienta de IA ayuda a realizar diagnósticos en tiempo real durante la cirugía

Por el equipo editorial de LabMedica en español
Actualizado el 27 Dec 2022
Print article
Imagen: Modelo de aprendizaje profundo mejora la calidad de la imagen de las muestras de tejido congelado para aumentar la precisión del diagnóstico de patología sensible al tiempo (Fotografía cortesía de Pexels)
Imagen: Modelo de aprendizaje profundo mejora la calidad de la imagen de las muestras de tejido congelado para aumentar la precisión del diagnóstico de patología sensible al tiempo (Fotografía cortesía de Pexels)

Cuando un paciente se somete a una operación quirúrgica para extirpar un tumor o tratar una enfermedad, el curso de la cirugía a menudo no está predeterminado. Para decidir cuánto tejido se debe extirpar, los cirujanos deben saber más sobre la afección que están tratando, incluidos los márgenes de un tumor, su etapa y si una lesión es maligna o benigna, determinaciones que a menudo dependen de la recolección, el análisis y el diagnóstico de una enfermedad mientras el paciente está en la mesa de operaciones. Cuando los cirujanos envían muestras a un patólogo para que las examine, tanto la velocidad como la precisión son esenciales. El enfoque estándar de oro actual para examinar tejidos a menudo toma demasiado tiempo y un enfoque más rápido, que implica congelar tejido, puede introducir artefactos que pueden complicar el diagnóstico. Ahora, los investigadores han desarrollado un nuevo método que aprovecha la inteligencia artificial para traducir entre secciones congeladas y el enfoque estándar de oro, mejorando así la calidad de las imágenes para aumentar la precisión de los diagnósticos rápidos.

Para hacer el diagnóstico final, los patólogos usan muestras de tejido fijadas en formalina e incluidas en parafina (FFPE), este método conserva el tejido de una manera que produce imágenes de alta calidad, pero el proceso es laborioso y generalmente toma de 12 a 48 horas. Para un diagnóstico rápido, los patólogos utilizan un método conocido como criosección que consiste en congelar rápidamente el tejido, cortar secciones y observar estas finas rebanadas bajo un microscopio. La criosección lleva minutos en lugar de horas, pero puede distorsionar los detalles celulares y comprometer o desgarrar el tejido delicado. Investigadores del Hospital Brigham and Women's (Boston, MA, EUA) han desarrollado un modelo de aprendizaje profundo que se puede usar para traducir entre secciones congeladas y tejido FFPE que se usa más comúnmente. El equipo demostró que el método podría usarse para subtipificar diferentes tipos de cáncer, incluido el glioma y el cáncer de pulmón de células no pequeñas.

Los investigadores validaron sus hallazgos al reclutar patólogos para un estudio de lectores en el que se les pidió que hicieran un diagnóstico a partir de imágenes que habían pasado por el método de IA e imágenes de criosección tradicionales. El método de IA no solo mejoró la calidad de la imagen, sino que también mejoró la precisión del diagnóstico entre los expertos. El algoritmo también se probó en datos recopilados de forma independiente de Turquía. Los investigadores señalan que, en el futuro, se deben realizar estudios clínicos prospectivos para validar el método de IA y determinar si puede contribuir a la precisión diagnóstica y la toma de decisiones quirúrgicas en entornos hospitalarios reales.

"Estamos utilizando el poder de la inteligencia artificial para abordar un problema antiguo en la intersección de la cirugía y la patología", dijo el autor correspondiente Faisal Mahmood, PhD, de la División de Patología Computacional de BWH. “Hacer un diagnóstico rápido a partir de muestras de tejido congelado es un desafío y requiere capacitación especializada, pero este tipo de diagnóstico es un paso crítico en el cuidado de los pacientes durante la cirugía”.

“Nuestro trabajo muestra que la IA tiene el potencial de hacer que un diagnóstico crítico y sensible al tiempo sea más fácil y más accesible para los patólogos”, dijo Mahmood. “Y potencialmente podría aplicarse a cualquier tipo de cirugía de cáncer. Abre muchas posibilidades para mejorar el diagnóstico y la atención al paciente”.

Enlaces relacionados:
Hospital Brigham and Women's

Proveedor de oro
PS/PT ELISA
QUANTA Lite PS/PT
New
Automatic Chemistry Analyzer
CA-810B
New
Proveedor de oro
D-Dimer Rapid Test
72091
New
Laboratory QC Software
Qualis Interlab

Print article

Canales

Química Clínica

ver canal
Imagen: Al analizar la orina de los pacientes, es posible determinar su probabilidad de muerte (Fotografía cortesía de la Universidad de Liverpool)

Prueba de orina predice con precisión el final de la vida de los pacientes con cáncer de pulmón

El cáncer de pulmón continúa siendo la causa principal de muertes relacionadas con el cáncer tanto para hombres como para mujeres en todo el mundo. Esta enfermedad mortal puede... Más

Diagnóstico Molecular

ver canal
Imagen: Proteínas que brillan en azul o verde podrían hacer que el diagnóstico de enfermedades sea más rápido y más fácil (Fotografía cortesía de la Universidad Tecnológica de Eindhoven)

Proteínas que "brillan en la oscuridad" ayudan a diagnosticar enfermedades virales de forma más rápida y fácil

A pesar de los avances tecnológicos, la mayoría de las pruebas de diagnóstico para enfermedades virales que son altamente sensibles aún involucran técnicas complejas... Más

Inmunología

ver canal
Imagen: Una prueba genética podría guiar el uso de quimioterapia contra el cáncer (Fotografía cortesía de Pexels)

Prueba genética predice si pacientes con cáncer de colon pueden beneficiarse de quimioterapia

Los pacientes con cáncer de colon en etapa avanzada generalmente se someten a una serie de quimioterapias y medicamentos dirigidos para el tratamiento del cáncer. Sin embargo, las respuestas... Más

Microbiología

ver canal
Imagen: El muestreo de una sola materia fecal mediante múltiples paneles de PCR puede identificar más patógenos rápidamente (Fotografía cortesía de Pexels)

Paneles de PCR para infecciones gastrointestinales agudas pueden reducir costos, hospitalización y uso de antibióticos

La gastroenteritis aguda afecta a adultos de todos los grupos de edad e incurre en enormes gastos de atención médica. Ahora, un nuevo estudio que comprende 40.000 visitas al hospital en varias... Más

Tecnología

ver canal
Imagen: Vista en vivo de especímenes no fluorescentes utilizando el marco del glowscope (Fotografía cortesía de la Universidad Estatal de Winona)

Dispositivo convierte teléfono inteligente en microscopio de fluorescencia por solo 50 dólares

Los microscopios de fluorescencia se utilizan para examinar muestras marcadas con tinciones fluorescentes o que expresan proteínas fluorescentes, como las marcadas con proteína fluorescente verde.... Más

Industria

ver canal
Imagen: PerkinElmer ha completado la escisión de sus negocios de servicios empresariales, alimentos y aplicados (Fotografía cortesía de PerkinElmer)

PerkinElmer se transforma en una nueva empresa de diagnóstico y ciencias de la vida a la finalización de las escisiones comerciales

PerkinElmer, Inc. (Waltham, MA; EUA) ha completado con éxito la escisión previamente anunciada de sus negocios de servicios empresariales, alimentos y aplicados. El nuevo negocio resultante... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.