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
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Eventos

09 abr 2024 - 12 abr 2024
15 abr 2024 - 17 abr 2024
23 abr 2024 - 26 abr 2024

Herramienta de IA supera a los patólogos humanos en la predicción de la supervivencia después del diagnóstico de cáncer colorrectal

Por el equipo editorial de LabMedica en español
Actualizado el 19 Apr 2023
Print article
Imagen: Herramienta de IA predice la supervivencia del cáncer de colon y la respuesta al tratamiento (Fotografía cortesía de Freepik)
Imagen: Herramienta de IA predice la supervivencia del cáncer de colon y la respuesta al tratamiento (Fotografía cortesía de Freepik)

El cáncer colorrectal, el segundo cáncer más letal del mundo, muestra un comportamiento variable incluso entre personas con perfiles de enfermedad similares que se someten al mismo tratamiento. Ahora, un nuevo modelo de inteligencia artificial (IA) puede ofrecer información valiosa a los médicos que hacen pronósticos y determinan tratamientos para pacientes con cáncer colorrectal.

Investigadores de la Facultad de Medicina de Harvard (Boston, MA, EUA) y la Universidad Nacional Cheng Kung (Tainan, Taiwán) han desarrollado una herramienta llamada MOMA (siglas en inglés para Evaluación multiómica de múltiples cohortes) que predice con precisión la agresividad del tumor colorrectal, las tasas de supervivencia del paciente con y sin recurrencia de la enfermedad y la terapia más eficaz mediante el análisis de imágenes de muestras del tumor solo. A diferencia de muchas herramientas de IA existentes que principalmente replican u optimizan la experiencia humana, MOMA identifica e interpreta patrones visuales en imágenes de microscopía que son indetectables para el ojo humano. La herramienta está disponible gratuitamente para investigadores y médicos.

El modelo se entrenó utilizando datos de aproximadamente 2.000 pacientes con cáncer colorrectal de diversas cohortes de pacientes nacionales, con un total de más de 450.000 participantes. Durante el entrenamiento, los investigadores proporcionaron al modelo información sobre la edad y el sexo de los pacientes, el estadio del cáncer y los resultados, así como los perfiles genómico, epigenético, proteico y metabólico de los tumores. Luego, se le dió al modelo la tarea de identificar marcadores visuales relacionados con tipos de tumores, mutaciones genéticas, cambios epigenéticos, progresión de la enfermedad y supervivencia del paciente utilizando imágenes patológicas de muestras de tumores. El desempeño del modelo se evaluó utilizando un conjunto de imágenes de muestras de tumores de diferentes pacientes que no habían sido vistas anteriormente, comparando sus predicciones con los resultados reales de los pacientes y otros datos clínicos.

MOMA predijo con precisión la supervivencia general después del diagnóstico y la cantidad de años libres de cáncer para los pacientes. También anticipó correctamente las respuestas individuales de los pacientes a diversas terapias en función de la presencia de mutaciones genéticas específicas que influyen en la progresión o propagación del cáncer. En ambas áreas, la herramienta superó a los patólogos humanos y los modelos actuales de IA. Los investigadores recomiendan probar el modelo en un ensayo aleatorio prospectivo que evalúe su desempeño en pacientes reales a lo largo del tiempo después del diagnóstico inicial antes de implementarlo en clínicas y hospitales. Tal estudio compararía directamente el desempeño de MOMA en la vida real utilizando solo imágenes con médicos humanos que utilizan conocimientos adicionales y resultados de pruebas no disponibles para el modelo, brindando la demostración estándar de oro de sus capacidades.

"Nuestro modelo realiza tareas que los patólogos humanos no pueden hacer basándose únicamente en la visualización de imágenes", dijo el coautor principal del estudio, Kun-Hsing Yu, profesor asistente de informática biomédica en el Instituto Blavatnik de la Facultad de Medicina de Harvard, quien dirigió un equipo internacional de patólogos, oncólogos, informáticos biomédicos e informáticos. “Lo que anticipamos no es un reemplazo de la experiencia del patólogo humano, sino un aumento de lo que pueden hacer los patólogos humanos. Esperamos que este método aumente la práctica clínica actual del tratamiento del cáncer”.

Enlaces relacionados:
Facultad de Medicina de Harvard
Universidad Nacional Cheng Kung

Miembro Platino
PRUEBA RÁPIDA COVID-19
OSOM COVID-19 Antigen Rapid Test
RECOLECCIÓN Y TRANSPORTE DE MUESTRAS
PRUEBA DE ANTIPÉPTIDO CÍCLICO CITRULINADO
GPP-100 Anti-CCP Kit
New
Miembro Oro
Magnetic Bead Separation Modules
MAG and HEATMAG

Print article

Canales

Química Clínica

ver canal
Imagen: El nuevo ensayo versátil tiene la capacidad de medir el cortisol total y biodisponible a partir de suero (Fotografía cortesía de la Universidad de Aarhus)

Prueba basada en células altamente confiable permite diagnóstico preciso de enfermedades endocrinas

Los métodos convencionales para medir el cortisol libre, la hormona del estrés del cuerpo, en la sangre o la saliva son bastante exigentes y requieren el procesamiento de muestras.... Más

Diagnóstico Molecular

ver canal
Imagen: Imagen de células de cáncer de próstata tomada usando un microscopio electrónico de barrido (Fotografía cortesía de la Unidad LRI EM)

Nuevos descubrimientos sobre evolución del cáncer de próstata allanan el camino para pruebas genéticas

El cáncer de próstata es uno de los cánceres más comunes que afectan a los hombres y, si bien representa un número significativo de muertes por cáncer en hombres,... Más

Hematología

ver canal
Imagen: La prueba Gazelle Hb Variant (Fotografía cortesía de Hemex Health)

Primera prueba rápida y asequible para beta talasemia demuestra precisión diagnóstica del 99 %

Los trastornos de la hemoglobina se encuentran entre las enfermedades monogénicas más prevalentes a nivel mundial. Entre los diversos trastornos de la hemoglobina, la beta talasemia, un trastorno sanguíneo... Más

Inmunología

ver canal
Imagen: Streptococcus pyogenes en una placa de Petri (Fotografía cortesía del Colegio Imperial de Londres)

Técnicas de vanguardia para investigar respuesta inmune en infecciones mortales por estreptococo A

Anualmente, la asombrosa cifra de medio millón de personas, incluidos numerosos niños y jóvenes, sucumben a nivel mundial a infecciones graves causadas por la bacteria estreptocócica... Más

Tecnología

ver canal
Imagen: El sensor electroquímico detecta HPV-16 y HPV-18 con alta especificidad (Fotografía cortesía de 123RF)

Biosensor de ADN permite diagnóstico temprano del cáncer de cuello uterino

El disulfuro de molibdeno (MoS2), reconocido por su potencial para formar nanoláminas bidimensionales como el grafeno, es un material que llama cada vez más la atención de la comunidad... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.