Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Descargar La Aplicación Móvil




Nuevo conjunto de datos de células plasmáticas facilita diagnóstico del mieloma múltiple

Por el equipo editorial de LabMedica en español
Actualizado el 08 Feb 2025

El mieloma es un cáncer de sangre poco común que se origina en las células plasmáticas, un tipo de célula inmunitaria responsable de producir anticuerpos que ayudan a combatir las infecciones. Más...

La enfermedad comienza cuando una célula plasmática anormal comienza a dividirse de forma descontrolada en la médula ósea (el tejido blando que se encuentra dentro de los huesos), lo que lleva a la producción de una gran cantidad de células anormales genéticamente idénticas. Estas células, conocidas como células clonales, no funcionan como lo harían las células plasmáticas normales, sino que desplazan a las células sanguíneas sanas en la médula ósea, alterando su crecimiento. Cuando el mieloma afecta a más de un sitio de la médula ósea, que es el caso habitual, se denomina mieloma múltiple (MM). Para confirmar el diagnóstico de mieloma, los médicos realizan una biopsia, que implica la recolección de una muestra de células de la médula ósea. Si hay mieloma, al menos el 10 % de las células de la muestra serán células plasmáticas anormales. Esta muestra suele ser analizada manualmente por un experto, que examina el tejido bajo un microscopio y cuenta las células. Sin embargo, este proceso lleva mucho tiempo y requiere mucho trabajo, por lo que requiere recursos importantes. Además, pueden producirse inconsistencias en la interpretación de los resultados, lo que afecta la precisión del diagnóstico, dependiendo de la experiencia del evaluador. Esto puede ser particularmente complicado en regiones con menos profesionales capacitados.

Para abordar estos problemas y mejorar el proceso de diagnóstico del mieloma, investigadores del Instituto de Computación de la Universidad Federal de Bahía (Salvador, Brasil) han desarrollado un gran conjunto de datos de células de la médula ósea de pacientes con mieloma múltiple y otros trastornos sanguíneos. Este conjunto de datos, llamado PCMMD (células plasmáticas para el diagnóstico del mieloma múltiple), se creó para ayudar a realizar un diagnóstico preciso del mieloma múltiple. Los datos se recopilaron de personas diagnosticadas y tratadas dentro del sistema de salud pública brasileño. Se fotografiaron miles de células de la médula ósea de estos pacientes con la cámara de un teléfono inteligente después de visualizarlas con un microscopio. Luego, los hematólogos, expertos en trastornos sanguíneos, analizaron manualmente las imágenes y etiquetaron las células como células plasmáticas o no plasmáticas. Los investigadores creen que este conjunto de datos podría mejorar la eficiencia y la precisión del diagnóstico del mieloma múltiple, especialmente en áreas con recursos limitados donde los expertos capacitados son escasos.

Además de ayudar a los médicos con menos experiencia a identificar las células del mieloma, los investigadores esperan que su conjunto de datos sirva como base para desarrollar sistemas basados en IA que puedan distinguir automáticamente las células plasmáticas de las células no plasmáticas. Estos avances, señalaron, podrían mejorar el proceso de diagnóstico para todos los médicos y, en última instancia, beneficiar a los pacientes. Para probar el potencial de su conjunto de datos, los investigadores lo utilizaron para entrenar un algoritmo basado en IA para reconocer células plasmáticas y no plasmáticas en muestras de médula ósea. Los resultados, publicados en Scientific Data, mostraron que el modelo funcionó bien, clasificando correctamente las células. El estado de la enfermedad predicho por el modelo de IA coincidió con el diagnóstico realizado por un experto para nueve de cada diez pacientes. Dada la metodología simple basada en teléfonos inteligentes, los científicos destacaron que este enfoque podría implementarse fácilmente, incluso en entornos con recursos limitados. El equipo tiene como objetivo que su conjunto de datos esté ampliamente disponible, alentando a otros investigadores a aprovecharlo y desarrollar modelos de IA aún más avanzados para mejorar el diagnóstico del mieloma.

“Teniendo en cuenta todos los análisis… estamos seguros de que nuestro conjunto de datos contiene patrones valiosos para identificar células plasmáticas y no plasmáticas, lo que proporciona una configuración importante y de bajo costo para apoyar a los hematólogos”, escribieron los investigadores. “La disponibilidad de nuestro conjunto de datos y modelo de referencia respalda la investigación y el desarrollo en curso en el campo, lo que promueve la mejora continua en la precisión y la eficiencia de los diagnósticos de MM”.

Enlaces relacionados:
Instituto de Computación de la Universidad Federal de Bahía


Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
New
Neurofilament Light Chain Assay
Lumipulse G NfL Blood
Miembro Oro
Automatic Hematology Analyzer
CF9600
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a LabMedica.es y acceda a las noticias y eventos que afectan al mundo del Laboratorio.
  • Edición gratuita de la versión digital de Lab Medica en Español enviado regularmente por email
  • Revista impresa gratuita de la revista Lab Medica en Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de Lab Medica en Español digital
  • Boletín de Lab Medica en Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Química Clínica

ver canal
Imagen: Cuando no se dispone de análisis directo de cálculos, el modelo de IA podría mejorar la predicción de los tipos de cálculos más comunes, lo que podría respaldar un tratamiento más específico y la prevención de recurrencia (Crédito de la imagen: iStock)

IA predice la composición de cálculos renales a partir de análisis rutinarios de orina

Los cálculos renales son una afección común y dolorosa, que afecta aproximadamente a uno de cada 11 estadounidenses, con tasas de recurrencia a lo largo de la vida del 60% al 80%.... Más

Hematología

ver canal
Imagen: Una nueva investigación que utiliza muestras de sangre almacenadas recolectadas a lo largo del tiempo ha rastreado el desarrollo de la leucemia mieloide aguda años y décadas antes del diagnóstico (Crédito de la imagen: Shutterstock)

Muestras de sangre seriadas revelan la evolución de la leucemia décadas antes del diagnóstico

La leucemia mieloide aguda (LMA) es un cáncer de la sangre agresivo que afecta aproximadamente a 2.700 personas en el Reino Unido cada año, y solo alrededor de una de cada seis pacientes... Más

Inmunología

ver canal
Imagen: Los hallazgos subrayan la importancia de alinear las pruebas de alergia con la historia clínica y las pautas de diagnóstico para reducir las pruebas inadecuadas y sus consecuencias (Crédito de la imagen: iStock)

Encuesta revela brecha entre conocimiento y práctica en pruebas de alergia alimentaria

La evaluación de la alergia alimentaria puede ser un desafío cuando los resultados de laboratorio no coinciden con los síntomas clínicos. Los paneles amplios de alergia alimentaria... Más

Microbiología

ver canal
Imagen: La malaria es causada por parásitos Plasmodium, transmitidos principalmente a través de la picadura de mosquitos Anopheles hembra infectados (Crédito de la imagen: Adobe Stock)

Los genomas completos de malaria podrían mejorar la identificación de especies y la vigilancia

La malaria sigue siendo un importante desafío mundial para la salud, con un estimado de 282 millones de casos y 610.000 muertes en todo el mundo en 2024. Aunque la mayor parte de la investigación... Más

Tecnología

ver canal
Imagen: Módulos e interacciones clave en el sistema agente LabARIA.  (Yang, H.S., Pan, W., Cushing, M.M. et al. An agentic framework for intelligent clinical laboratory medicine. npj Health Systems (2026). https://doi.org/10.1038/s44401-026-00163-3)

Un marco de IA multiagente apoya el monitoreo de la calidad y el flujo de trabajo en el laboratorio

Los laboratorios clínicos analizan sangre, orina, tejidos y otros fluidos corporales para apoyar el diagnóstico y el tratamiento de enfermedades. El aumento del volumen de pruebas, la escasez... Más

Industria

ver canal
Imagen: El evento de cuatro días, celebrado del 13 al 16 de noviembre en Cali, destacó los avances en diagnóstico clínico, tecnologías de laboratorio e inteligencia artificial en bacteriología

El CNB 2026 destaca los avances en bacteriología y medicina de laboratorio en Cali

El 24.º Congreso Internacional del Colegio Nacional de Bacteriología (CNB) reunió a profesionales de laboratorio, investigadores, representantes de la industria y expertos internacionales en Cali, Colombia,... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.