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 de tejido espacial identifica patrones asociados con la recaída del cáncer de ovario

Por el equipo editorial de LabMedica en español
Actualizado el 16 May 2024
Imagen: Un nuevo estudio ha identificado patrones que predicen la recaída del cáncer de ovario (foto cortesía de Cedars-Sinai)
Imagen: Un nuevo estudio ha identificado patrones que predicen la recaída del cáncer de ovario (foto cortesía de Cedars-Sinai)

El carcinoma de ovario seroso de alto grado es el tipo más letal de cáncer de ovario y plantea importantes desafíos de detección. Por lo general, los pacientes responden inicialmente a la cirugía y la quimioterapia, pero el cáncer suele regresar. Ahora, los investigadores han utilizado el análisis espacial de muestras de tejido para descubrir patrones que podrían indicar si es probable que las pacientes con esta forma de cáncer de ovario experimenten una recurrencia temprana después del tratamiento, lo que podría guiar futuras estrategias terapéuticas.

Investigadores de Cedars-Sinai (Los Ángeles, CA, EUA) realizaron análisis espaciales de proteínas en muestras de tejido de cáncer de ovario para identificar patrones correlacionados con la recaída temprana del cáncer poco después del tratamiento. En el estudio participaron 42 pacientes y se examinó tumores primarios y recurrentes mediante citometría de masas por imágenes, que permite el examen espacial detallado de la presencia de proteínas dentro de los tejidos. Sus hallazgos clave resaltaron el papel de las células plasmáticas en la respuesta inmune del tumor.

El estudio encontró que la ubicación de las células plasmáticas y su relación con tipos de células cercanas, como los fibroblastos asociados al cáncer, eran indicadores cruciales de los resultados de los pacientes. Estos fibroblastos, que obstaculizan la eficacia de las células inmunitarias, se encontraron con frecuencia en áreas con células plasmáticas, lo que sugiere que pueden afectar la capacidad de las células plasmáticas para comunicarse con otras células inmunitarias, contribuyendo así a peores resultados en los pacientes.

"Utilizando el análisis espacial de proteínas, observamos no solo los tipos de células dentro y alrededor de un tumor, sino también sus posiciones relativas y cómo interactúan", dijo Alex Xu, PhD, científico investigador de Cedars-Sinai Cancer. "Nuestros hallazgos sugieren que las células plasmáticas son un factor clínicamente importante que determina el tiempo que tarda un paciente en recaer".

Enlaces relacionados:
Cedros-Sinaí

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Electrolyte Analyzer
CBS-4000 (CBS-400)
PRUEBA DE VPH
Allplex HPV28 Detection
Miembro Oro
Analizador totalmente automatizado de proteínas específicas (nefelometría)
PA240

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.