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




Método de perfilado genético 3D revela lesiones pancreáticas precancerosas

Por el equipo editorial de LabMedica en español
Actualizado el 27 Jun 2024
Imagen: Un modelo impreso en 3D de lesiones pancreáticas precancerosas encontradas en imágenes de histología (foto cortesía de Ashley Kiemen)
Imagen: Un modelo impreso en 3D de lesiones pancreáticas precancerosas encontradas en imágenes de histología (foto cortesía de Ashley Kiemen)

Pequeñas lesiones precancerosas en el páncreas, conocidas como neoplasias intraepiteliales pancreáticas (PanIN), son precursoras de algunas de las formas más agresivas y mortales de cáncer de páncreas. Debido a su tamaño diminuto, las PanIN son difíciles de detectar y no son visibles mediante exámenes radiológicos estándar. En consecuencia, los pacientes suelen recibir un diagnóstico de cáncer de páncreas, como adenocarcinoma ductal de páncreas (PDAC), sólo después de que el cáncer ha avanzado y se ha extendido a otros órganos. Las técnicas tradicionales de tinción histológica 2D, que implican cortar tejidos finos, teñirlos y examinarlos bajo un microscopio, ofrecen solo una visión limitada de las PanIN y no arrojan luz sobre sus orígenes y cómo progresan hacia el cáncer. Para obtener una comprensión más clara de las PanIN, los investigadores han diseñado un enfoque 3D.

Este novedoso método de perfil genómico 3D, desarrollado por investigadores de Johns Hopkins Medicine (Baltimore, MD, EUA), identifica con éxito las PanIN y proporciona el mapa 3D más completo de lesiones precancerosas en el páncreas humano hasta la fecha, allanando el camino para estrategias de detección temprana de PDAC y otros cánceres de páncreas. Después de procesar tejido de 38 muestras de páncreas normales en cientos de diapositivas 2D secuenciales, los investigadores emplearon CODA, un sistema de aprendizaje automático, para analizar y transformar estas imágenes de diapositivas en modelos digitales 3D.

Estas reconstrucciones 3D descubrieron redes complejas de PanIN interconectadas, que muestran una densidad promedio de 13 PanIN por centímetro cúbico, con un rango que varía de 1 a 31 PanIN por centímetro cúbico. Las observaciones indicaron que los pacientes con PDAC en otras partes del páncreas tendían a tener una carga de PanIN más alta en comparación con aquellos con enfermedades no ductales, aunque las diferencias no fueron estadísticamente significativas. El equipo también realizó análisis adicionales en ocho de las muestras mediante microdisección guiada en 3D y secuenciación de ADN de PanIN específicas. El análisis genómico reveló que estas redes consistían en PanIN genéticamente distintas, cada una impulsada por diferentes mutaciones genéticas, incluidas mutaciones en el gen KRAS, un precursor común en la mayoría de los cánceres de páncreas. Este descubrimiento de múltiples mutaciones independientes dentro de lesiones precancerosas no tiene precedentes en otros órganos. Si bien la tecnología CODA aún no es adecuada para uso diagnóstico, su potencial se extiende más allá de las enfermedades pancreáticas, ya que puede adaptarse a diversos tejidos, enfermedades u organismos modelo.

"En realidad, no muchas personas desarrollan cáncer de páncreas, por lo que nos sorprendió encontrar una gran cantidad de precáncer, o PanIN, dentro de las regiones normales del páncreas", dijo Laura Wood, MD, Ph.D., profesora asociada de patología y oncología en el Centro Oncológico Kimmel y la Facultad de Medicina de la Universidad Johns Hopkins y uno de los autores principales del estudio. "Esta investigación destaca lo que aún no sabemos sobre el envejecimiento normal y plantea preguntas fundamentales sobre cómo surge el cáncer en el páncreas humano".

"Esto es sólo el comienzo", añadió Wood. “Queremos seguir investigando qué significa esto en el contexto de otros tejidos de órganos. Si el tejido normal tiene miles de PanIN, ¿cómo identificamos cuáles son clínicamente relevantes para la enfermedad y cuáles no?

Enlaces relacionados:
Medicina Johns Hopkins

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
ANALIZADOR AUTOMÁTICO CLIA
Shine i6000
Automated Clinical Chemistry Analyzer
Envoy 500+

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.