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

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 Oro
Neonatal Heel Incision Device
Tenderfoot
Software de laboratorio
Acusera 24•7
Steam Sterilizer
Hi Vac II Line
Chromogenic Culture System
InTray™ COLOREX™ ECC

Canales

Química Clínica

ver canal
Imagen: Nuevos hallazgos presentados en ADLM 2026 sugieren que el aprendizaje automático podría ayudar a mejorar la precisión de un análisis de sangre estándar utilizado para diagnosticar tumores raros que se forman en las glándulas suprarrenales o cerca de ellas (Fotografía cortesía de Shutterstock)

Modelo de aprendizaje automático promete mejorar precisión de pruebas de metanefrinas

Los feocromocitomas y los paragangliomas son tumores poco frecuentes que se forman en las glándulas suprarrenales o cerca de ellas y provocan una sobreproducción de hormonas del estrés.... Más

Diagnóstico Molecular

ver canal
Crédito de la imagen: iStock

La biopsia líquida impulsada por IA detecta el cáncer de hígado en diversas poblaciones

El cáncer de hígado sigue siendo una de las principales causas de mortalidad por cáncer en todo el mundo, con una incidencia que aumenta junto con la creciente carga de enfermedad... Más

Tecnología

ver canal
Imagen: el panel combina diagnósticos basados ​​en biomarcadores con algoritmos digitales avanzados para permitir una evaluación no invasiva utilizando datos clínicos disponibles de forma rutinaria (Fotografía cortesía de Adobe Stock)

Panel de algoritmos ayuda a evaluar la fibrosis hepática y vigilar el cáncer de hígado

La enfermedad hepática crónica es común y suele progresar de forma silenciosa, lo que aumenta el riesgo de cirrosis y carcinoma hepatocelular cuando no se detecta de manera temprana.... Más

Industria

ver canal
Crédito de imagen: iStock

Una colaboración impulsa los diagnósticos basados en esputo para el asma y la EPOC

El asma y la enfermedad pulmonar obstructiva crónica son afecciones inflamatorias de las vías respiratorias muy prevalentes, que afectan a más de 40 million Americans y a más... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.