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




Nueva herramienta de inteligencia artificial clasifica los tumores cerebrales de forma más rápida y precisa

Por el equipo editorial de LabMedica en español
Actualizado el 04 Jun 2024
Imagen: La nueva herramienta de IA puede ayudar a vencer los tumores cerebrales (foto cortesía de Crystal Light/Shutterstock)
Imagen: La nueva herramienta de IA puede ayudar a vencer los tumores cerebrales (foto cortesía de Crystal Light/Shutterstock)

La precisión en el diagnóstico y la categorización de tumores es esencial para brindar un tratamiento eficaz a los pacientes. Actualmente, el estándar de oro para identificar varios tipos de tumores cerebrales implica la elaboración de perfiles basados en la metilación del ADN. La metilación del ADN funciona como un mecanismo regulador para controlar la actividad genética, esencialmente activando o desactivando genes. Sin embargo, el tiempo requerido para tales pruebas puede ser un obstáculo importante, ya que a menudo demora varias semanas, un retraso que puede ser crítico cuando los pacientes necesitan decisiones rápidas con respecto a su tratamiento. Además, estas pruebas no están ampliamente disponibles en la mayoría de los hospitales del mundo. Ahora, se ha desarrollado una nueva herramienta de inteligencia artificial (IA) para clasificar los tumores cerebrales de forma más rápida y precisa.

Investigadores de la Universidad Nacional Australiana (ANU, Canberra, Australia) han creado DEPLOY. Este nuevo método predice patrones de metilación del ADN para clasificar los tumores cerebrales en 10 subtipos principales. DEPLOY utiliza imágenes histopatológicas, que son imágenes microscópicas de muestras de tejido del paciente. El modelo fue entrenado y validado en extensos conjuntos de datos que comprenden alrededor de 4.000 pacientes de los Estados Unidos y Europa. DEPLOY demostró una precisión notable, logrando una tasa del 95 %. Además, en un subconjunto de 309 muestras que fueron particularmente difíciles de clasificar, DEPLOY proporcionó diagnósticos que eran clínicamente más relevantes que los dados inicialmente por los patólogos. Los investigadores anticipan que DEPLOY también podría adaptarse para clasificar otros tipos de cáncer en el futuro.

"Esto muestra el posible papel futuro de DEPLOY como herramienta complementaria, que se suma al diagnóstico inicial de un patólogo o incluso provoca una reevaluación en caso de disparidades", afirmó el Dr. Danh-Tai Hoang.

Enlaces relacionados:
ANU

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
Hematology Consumables
Bioblood Devices
New
Solución de automatización para laboratorios de microbiología
BD Kiestra™ ReadA+BarcodA

Canales

Diagnóstico Molecular

ver canal
Imagen: PrepQuant integra la extracción, concentración y cuantificación de ácidos nucleicos en una plataforma automatizada. (Foto cortesía de Invivoscribe)

Sistema automatizado agiliza la recuperación de ADN para pruebas sensibles de ERM

Los laboratorios moleculares están bajo presión para detectar niveles extremadamente bajos de enfermedad residual, pero la recuperación preanalítica de ADN libre de células... Más

Microbiología

ver canal
Crédito de la imagen: Adobe Stock

Clasificador del microbioma intestinal mejora estratificación del riesgo de cáncer colorrectal

El cáncer colorrectal sigue siendo una de las principales causas de mortalidad por cáncer, y los métodos actuales de cribado no invasivo aún pasan por alto muchas lesiones precancerosas.... Más

Tecnología

ver canal
Imagen: Resumen gráfico  (Streather, B. R., T. A. Eastwood, K. Baker, et al. 2026. Journal of Extracellular Vesicles 15, no. 8: e70354. https://doi.org/10.1002/jev2.70354)

Sistema de expresión con vesículas bacterianas agiliza producción de proteínas para diagnóstico del cáncer

Las proteínas recombinantes son fundamentales para muchos diagnósticos y terapias del cáncer, pero numerosos objetivos siguen siendo difíciles y costosos de producir porque... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.