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




Analizador de hematoxolina y eosina impulsado por IA predice resultados del tratamiento de inmunoterapia en cáncer de pulmón

Por el equipo editorial de LabMedica en español
Actualizado el 06 Sep 2023
Imagen: El análisis de estructuras linfoides terciarias ha mostrado potencial como un biomarcador emergente para el tratamiento del cáncer de pulmón (Fotografía cortesía de 123RF)
Imagen: El análisis de estructuras linfoides terciarias ha mostrado potencial como un biomarcador emergente para el tratamiento del cáncer de pulmón (Fotografía cortesía de 123RF)

Un estudio innovador ha demostrado que el análisis de inteligencia artificial (IA) de las estructuras linfoides terciarias (TLS) en tumores puede predecir la respuesta al tratamiento en pacientes con cáncer de pulmón de células no pequeñas (CPCNP).

El estudio exploró el uso del Lunit SCOPE IO de Lunit (Seúl, Corea del Sur), un analizador de hematoxilina y eosina (H&E) impulsado por IA diseñado para identificar TLS en el microambiente tumoral (TME), para predecir los resultados de la inmunoterapia en casos de cáncer de pulmón. Lunit SCOPE es un conjunto de software impulsado por IA que analiza imágenes de patología digital de portaobjetos de tejido y ayuda en el desarrollo de biomarcadores de IA. Su objetivo es mejorar los flujos de trabajo y proporcionar a los médicos e investigadores datos clínicos más precisos y anticipativos. Lunit SCOPE IO se creó utilizando un amplio conjunto de datos de imágenes de portaobjetos completas teñidas con H&E procedentes de 18 tipos diferentes de cáncer en todo el mundo. La plataforma abarca varias herramientas y ensayos de análisis de tejidos basados en IA destinados a optimizar los flujos de trabajo de patología digital, el diagnóstico y el desarrollo de fármacos. Lunit SCOPE IO evalúa el TME mediante análisis H&E y ofrece información de pronóstico clínico basada en IA. Además, se encuentran disponibles servicios de análisis de portaobjetos de inmunohistoquímica (IHC) impulsados por IA, incluidos Lunit SCOPE PD-L1, Lunit SCOPE HER2, Lunit SCOPE ER/PR y otros.

El nuevo estudio se basa en hallazgos de investigaciones anteriores que indican que la presencia de TLS podría funcionar como un marcador predictivo de la eficacia del tratamiento inmunooncológico. El estudio analizó una cohorte de 85 pacientes con CPCNP a quienes se les administraron inhibidores de puntos de control inmunológico (ICI). Los resultados revelaron que el uso de Lunit SCOPE IO para la evaluación de TLS estableció correlaciones clínicamente sustanciales con la supervivencia general (SG) de los pacientes. En particular, entre los pacientes con TLS detectado, 25 exhibieron una supervivencia general significativamente extendida en comparación con los 60 pacientes sin TLS. Esta correlación persistió independientemente de la expresión de PD-L1, un biomarcador reconocido para la respuesta al tratamiento en pacientes con CPCNP. Estos hallazgos subrayan el potencial del análisis TLS guiado por IA como biomarcador para pronosticar la respuesta al tratamiento en personas con CPCNP.

"A través de una colaboración rigurosa y tecnología de vanguardia, nuestro estudio ilumina un camino prometedor hacia una mejor predicción de los resultados del tratamiento del cáncer de pulmón", dijo Brandon Suh, director ejecutivo de Lunit. "El potencial del análisis TLS a través de Lunit SCOPE IO para predecir la respuesta a la inmunoterapia representa un significativo paso adelante para comprender mejor la biología del cáncer y hacer que el análisis de IA del TME sea una parte procesable de la atención del cáncer".

Enlaces relacionados:
Lunit

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
NEW PRODUCT : SILICONE WASHING MACHINE TRAY COVER WITH VICOLAB SILICONE NET VICOLAB®
REGISTRED 682.9
Manual Pipetting Aid
Pipette Controllers macro
Miembro Oro
Solución de biomarcadores proteicos en sangre para la enfermedad de Alzheimer
BG-DTi2000.

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.