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 celular asistido por computadora permite diagnóstico más rápido de enfermedades de la sangre

Por el equipo editorial de LabMedica en español
Actualizado el 20 Aug 2023
Imagen: Un algoritmo de IA puede ayudar a los médicos a diagnosticar trastornos sanguíneos (Fotografía cortesía de Freepik)
Imagen: Un algoritmo de IA puede ayudar a los médicos a diagnosticar trastornos sanguíneos (Fotografía cortesía de Freepik)

Los trastornos de la sangre se caracterizan frecuentemente por alteraciones en las cantidades y formas de los glóbulos rojos y blancos. Los métodos tradicionales para diagnosticar la enfermedad implican examinar frotis de sangre en un portaobjetos bajo un microscopio, aunque evaluar estos cambios puede ser desafiante incluso para profesionales con experiencia, ya que las sutiles alteraciones pueden afectar solo una pequeña fracción de las decenas de miles de células visibles. En consecuencia, distinguir entre enfermedades no siempre es sencillo. Por ejemplo, los cambios visibles en la sangre de las personas con síndrome mielodisplásico (SMD), una forma temprana de leucemia, a menudo se asemejan a los que se observan en tipos de anemia menos dañinos. El diagnóstico definitivo de SMD requiere procedimientos más invasivos, como biopsias de médula ósea y pruebas genéticas moleculares.

Científicos del Centro Alemán de Investigación del Cáncer (DKFZ, Heidelberg, Alemania) y el Instituto de Células Madre de Cambridge (Cambridge, Reino Unido) ahora han desarrollado un sistema de inteligencia artificial (IA) capaz de identificar y caracterizar glóbulos blancos y rojos en imágenes microscópicas de muestras de sangre. Este algoritmo, llamado Haemorasis, ayuda a los médicos a diagnosticar trastornos de la sangre y es de acceso público como una herramienta de código abierto con fines de investigación. Inicialmente, los científicos entrenaron a Haemorasis para reconocer la morfología celular utilizando más de medio millón de glóbulos blancos y millones de glóbulos rojos de más de 300 personas con diversos trastornos sanguíneos (incluidas diferentes formas de anemia y SMD).

Aprovechando este conocimiento adquirido, Haemorasis ahora puede proponer diagnósticos para trastornos sanguíneos e incluso diferenciar subtipos genéticos de estas afecciones. Además, el algoritmo descubre asociaciones significativas entre enfermedades y formas de células específicas, una tarea complicada por el gran volumen de células involucradas. Haemorasis se sometió a pruebas en tres grupos de pacientes distintos para confirmar su eficacia en diversos centros de pruebas y sistemas de escaneo de hemogramas. Diseñado para el diagnóstico de hematología, Haemorasis ayuda a proporcionar un diagnóstico inicial más preciso de los trastornos sanguíneos, que es un paso esencial para identificar a los pacientes que pueden requerir procedimientos más invasivos, como pruebas de médula ósea o análisis genético. Los estudios en curso explorarán las posibles limitaciones del método.

"El análisis celular automatizado con Haemorasis podría complementar el diagnóstico de rutina de los trastornos sanguíneos en el futuro. Hasta ahora, el algoritmo solo se ha entrenado en enfermedades específicas, pero aún vemos un gran potencial en este método", dijo Moritz Gerstung de DKFZ.

Enlaces relacionados:
Centro Alemán de Investigación del Cáncer
Instituto de Células Madre de Cambridge

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Clinical Chemistry Assay
Sorbitol Dehydrogenase (SDH)
ANALIZADOR DE ORINA
respons® UDS100
Hematology Consumables
Bioblood Devices

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

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.