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.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil




Herramienta de inteligencia artificial autodidacta diagnostica y predice la gravedad del cáncer de pulmón común

Por el equipo editorial de LabMedica en español
Actualizado el 20 Jun 2024
Print article
Imagen: Tres de 46 grupos de fenotipos histomorfológicos identificados por IA a partir de imágenes de tejido pulmonar canceroso (foto cortesía del Dr. N. Coudray/Nyu Grossman School of Medicine)
Imagen: Tres de 46 grupos de fenotipos histomorfológicos identificados por IA a partir de imágenes de tejido pulmonar canceroso (foto cortesía del Dr. N. Coudray/Nyu Grossman School of Medicine)

Un programa informático impulsado por inteligencia artificial (IA) y entrenado con casi medio millón de imágenes de tejidos puede diagnosticar eficazmente casos de adenocarcinoma, el tipo más prevalente de cáncer de pulmón.

El programa informático desarrollado y probado por investigadores de NYU Langone Health (Nueva York, NY, EUA) y la Universidad de Glasgow (Glasgow, Reino Unido) proporciona una segunda opinión imparcial, detallada y confiable para pacientes y oncólogos sobre la presencia del cáncer y la posibilidad de su regreso. Esto se debe a que el programa incorpora características estructurales de tumores de 452 pacientes con adenocarcinoma, que se encuentran entre los más de 11.000 pacientes del Atlas del Genoma del Cáncer del Instituto Nacional del Cáncer de EUA. Es importante destacar que el programa funciona de forma independiente y es "autodidacta", decidiendo por sí mismo qué características estructurales son más críticas para evaluar la gravedad de la enfermedad y su impacto en la recurrencia del tumor.

En su investigación, el algoritmo, conocido como aprendizaje de fenotipo histomorfológico (HPL), diferenció con éxito entre adenocarcinoma y tipos similares de cáncer de pulmón, como los cánceres de células escamosas, con una precisión del 99 %. El programa HPL también demostró una tasa de precisión del 72  % en la predicción de la probabilidad y el momento de la recurrencia del cáncer después del tratamiento, superando la precisión del 64 % lograda por los patólogos que analizaron las mismas imágenes del tumor manualmente. El equipo de investigación prevé que, con avances continuos en la comprensión de la biología del cáncer de pulmón, los patólogos revisarán cada vez más muestras de tejido en su computadora en lugar de mediante la microscopía tradicional y emplearán su programa de inteligencia artificial para analizar y visualizar más a fondo estas exploraciones.

Los investigadores pretenden utilizar el algoritmo HPL para asignar a cada paciente una puntuación de 0 a 1 que refleje su probabilidad estadística de supervivencia y recurrencia del tumor durante un máximo de cinco años. Destacan que la naturaleza de autoaprendizaje de HPL significa que la precisión del programa mejorará a medida que procese más datos con el tiempo. El equipo ahora busca desarrollar programas similares basados en inteligencia artificial para otros tipos de cáncer, como el de mama, ovario y colorrectal, que también incorporarán datos morfológicos y moleculares clave. También hay planes en marcha para mejorar la precisión del programa HPL de adenocarcinoma mediante la integración de datos adicionales de los registros médicos electrónicos de los hospitales, incluida información sobre otras enfermedades, niveles de ingresos y códigos postales residenciales.

"Nuestro nuevo programa de aprendizaje de fenotipo histomorfológico tiene el potencial de ofrecer a los especialistas en cáncer y a sus pacientes una herramienta de diagnóstico rápida e imparcial para el adenocarcinoma de pulmón que, una vez que se completen las pruebas adicionales, también se puede utilizar para ayudar a validar e incluso guiar sus decisiones de tratamiento", dijo Nicolas Coudray, PhD, programador de bioinformática de la Facultad de Medicina Grossman de la Universidad de Nueva York y el Centro Oncológico Perlmutter. "Los pacientes, médicos e investigadores saben que pueden confiar en este modelo predictivo porque es autodidacta, proporciona decisiones explicables y se basa únicamente en el conocimiento extraído específicamente del tejido de cada paciente, incluidas características tales como su proporción de células moribundas y células inmunes que combaten tumores y qué tan densamente empaquetadas están las células tumorales”. El estudio fue publicado en Nature Communications el 11 de junio de 2024.

Enlaces relacionados:
Salud Langone de la Universidad de Nueva York
Universidad de Glasgow

New
Miembro Platino
Flu SARS-CoV-2 Combo Test
OSOM® Flu SARS-CoV-2 Combo Test
Magnetic Bead Separation Modules
MAG and HEATMAG
Complement 3 (C3) Test
GPP-100 C3 Kit
Miembro Oro
MÓDULOS DE SEPARACIÓN DE PERLAS MAGNÉTICAS
MAG and HEATMAG

Print article
77 ELEKTRONIKA
Radcal

Canales

Química Clínica

ver canal
Imagen: El dispositivo de laboratorio en un chip milifluídico autoalimentado puede determinar la conductividad de la sangre (foto cortesía de materiales avanzados/doi: 10.1002/adma.202403568)

El primer chip alimentado por sangre ofrece monitoreo de salud en tiempo real

Los trastornos metabólicos como la diabetes y la osteoporosis están aumentando rápidamente en todo el mundo, especialmente en los países en desarrollo. El diagnóstico... Más

Diagnóstico Molecular

ver canal
Imagen: La prueba de diagnóstico molecular LAMP podría usarse para detectar la infección por T. cruzi, responsable de la enfermedad de Chagas, en recién nacidos  (foto cortesía de ISGlobal)

Una prueba de diagnóstico molecular innovadora identifica la enfermedad de Chagas en recién nacidos

La infección por el parásito Trypanosoma cruzi provoca la enfermedad de Chagas en los recién nacidos, con la transmisión vertical (congénita) representando el 20 % de... Más

Hematología

ver canal
Imagen: El nuevo Yumizen H550E (autoloader), H500E CT (tubo cerrado) y Yumizen H500E OT (tubo abierto) (foto cortesía de Horiba)

Nuevos analizadores de hematología ofrecen resultados combinados de VSG y CBC/DIFF en 60 segundos

HORIBA (Kyoto, Japón) ha ampliado su línea de analizadores de hematología compactos mediante la introducción de nuevos modelos que incorporan capacidades de medición... Más

Microbiología

ver canal
Imagen: El sistema AST PA-100 para la detección rápida de RAM ha ganado el “Premio Longitud en RAM

Prueba rápida de ITU reduce el tiempo de detección de 3 días a 45 minutos

La resistencia a los antimicrobianos (RAM), también conocida como resistencia a los antibióticos o superbacterias, es una pandemia silenciosa pero creciente en la que las bacterias se han... Más

Tecnología

ver canal
Imagen: Ilustración del parche de microagujas (foto cortesía del Instituto Karolinska)

Parche de microagujas detecta el cáncer de piel en sus etapas tempranas

La bioelectrónica portátil se ha convertido en una innovación significativa en la atención sanitaria, especialmente en el campo de la biodetección, proporcionando un nuevo método para controlar la salud... Más

Industria

ver canal
Imagen: Durante 46 años, Roche y Hitachi han colaborado para ofrecer soluciones de diagnóstico innovadoras (foto cortesía de Roche)

Roche e Hitachi High-Tech extienden su asociación de 46 años para avances en pruebas diagnósticas

Roche (Basilea, Suiza) e Hitachi High-Tech (Tokio, Japón) han renovado su acuerdo de colaboración, comprometiéndose por 10 años más de colaboración. Esta extensión reúne su amplia experiencia en innovación,... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.