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
LGC Clinical Diagnostics

Deascargar La Aplicación Móvil




Herramienta inmunooncológica de IA predice resultados del tratamiento del cáncer de pulmón

Por el equipo editorial de LabMedica en español
Actualizado el 03 Dec 2024
Print article
Imagen: HistoTME lee imágenes de histopatología teñidas de forma rutinaria de muestras de tumores (Foto cortesía de Adobe Stock)
Imagen: HistoTME lee imágenes de histopatología teñidas de forma rutinaria de muestras de tumores (Foto cortesía de Adobe Stock)

Los inhibidores de los puntos de control inmunitario (ICI) se utilizan para tratar el cáncer de pulmón de células no pequeñas (CPCNP) al mejorar la capacidad del sistema inmunitario para combatir el cáncer. Sin embargo, identificar qué pacientes se beneficiarán más con este tratamiento sigue siendo un desafío. Ahora, los avances en inteligencia artificial (IA) y herramientas de diagnóstico ofrecen el potencial de mejorar los resultados del tratamiento y las tasas de supervivencia para los pacientes con CPCNP al ayudar a los médicos a predecir con mayor precisión su respuesta a la terapia con ICI.

Los investigadores de la SUNY Upstate Medical University (Syracuse, NY, EUA) han desarrollado HistoTME, una herramienta de inteligencia artificial asequible y fácil de implementar. Este algoritmo avanzado de aprendizaje profundo analiza imágenes histopatológicas teñidas de forma rutinaria de muestras tumorales para predecir subtipos moleculares (basándose en la secuenciación masiva de ARN), lo que proporciona información sobre el microambiente tumoral (TME). Al examinar estas imágenes patológicas, HistoTME identifica tipos de células específicos en el tejido tumoral circundante, lo que ofrece información valiosa sobre la composición única del TME del paciente. Esto es crucial para predecir las respuestas personalizadas al tratamiento ICI, especialmente en pacientes con baja expresión de PD-L1, un marcador clave que se usa comúnmente en diagnósticos complementarios. El algoritmo se validó en un conjunto de datos multimodal que comprende más de 650 pacientes con cáncer de pulmón y más de 1.500 imágenes.

Los investigadores esperan que este método ayude a los médicos a seleccionar planes de tratamiento personalizados con mayor precisión y rentabilidad, especialmente para pacientes que no tienen acceso a pruebas moleculares costosas. Además, esta prueba podría complementar los diagnósticos adicionales existentes, que a menudo tienen dificultades para identificar a los pacientes adecuados para los tratamientos correctos. La siguiente fase del estudio implicará la validación clínica de HistoTME, que evaluará aún más su eficacia en entornos clínicos del mundo real y puede conducir a su integración en la atención oncológica de rutina.

"Los diagnósticos y pronósticos impulsados por IA tienen el potencial de transformar el futuro de las prácticas de atención médica y la oncología de precisión", dijo la investigadora de Upstate Tamara Jamaspishvili, MD/PhD, quien ganó el premio al "Mejor póster de investigación" para la facultad en la conferencia nacional de la Asociación de Patología Digital, PathVisions 2024 por su trabajo utilizando IA y patología computacional para mejorar el diagnóstico y el tratamiento del cáncer.

New
Miembro Oro
Chagas Disease Test
CHAGAS Cassette
New
Miembro Oro
Strep Pneumoniae Rapid Test
Strep Pneumoniae (6503 – 6573)
New
Strongyloides Stercoralis Test
Strongyloides IgG ELISA
New
Liquid Handling Equipment
Lambda EliteTouch Starter Kit

Print article

Canales

Microbiología

ver canal
Imagen: la prueba TriVerity es el primer y único análisis de sangre molecular que puede identificar infecciones bacterianas y virales (foto cortesía de Inflammatix)

Prueba de sepsis rápida permite diferenciar infecciones bacterianas, virales y enfermedades no infecciosas

A pesar de las importantes inversiones en innovación y de décadas de investigación, la sepsis sigue teniendo una alta tasa de mortalidad y sigue siendo el diagnóstico más... Más

Tecnología

ver canal
Imagen: la plataforma de biosensores incorpora grafeno inducido por láser de dos pasos con transistores comerciales para detectar simultáneamente SARS-CoV-2 y Vitamin C (foto cortesía de Penn State)

Plataforma de biosensores detecta simultáneamente vitamina C y SARS-CoV-2

Varios estudios han demostrado que la vitamina C, un nutriente esencial para la función inmunitaria, puede ayudar a controlar los síntomas de infecciones respiratorias virales como el SARS-CoV-2.... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.