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

Deascargar La Aplicación Móvil




Revolucionaria herramienta de IA transforma visualización de enfermedades

Por el equipo editorial de LabMedica en español
Actualizado el 11 Feb 2025
Imagen: la herramienta de IA OmicsFootPrint podría abrir puertas a nuevos descubrimientos (foto cortesía de la Clínica Mayo)
Imagen: la herramienta de IA OmicsFootPrint podría abrir puertas a nuevos descubrimientos (foto cortesía de la Clínica Mayo)

Los genes sirven como modelo del cuerpo, mientras que las proteínas ejecutan las instrucciones contenidas en esos modelos para mantener la función celular. Ocasionalmente, las alteraciones en estas instrucciones (conocidas como mutaciones) pueden interferir con este proceso y causar enfermedades. La ómica se refiere al estudio de genes, proteínas y otros datos moleculares para explorar las funciones del cuerpo y cómo evolucionan las enfermedades. Ahora, una herramienta de inteligencia artificial (IA) está ayudando a convertir datos biológicos vastos y complejos en imágenes circulares bidimensionales. Al mapear estos datos, la herramienta podría ofrecer a los médicos e investigadores un método novedoso para visualizar patrones de enfermedades, como los que se encuentran en el cáncer y los trastornos neurológicos, lo que podría ayudar a dirigir tratamientos personalizados. Además, puede proporcionar un medio intuitivo para explorar los mecanismos e interacciones de las enfermedades.

Desarrollada por investigadores de al Clínica Mayo (Rochester, Minnesota, EUA), la herramienta llamada OmicsFootPrint ayuda a aclarar estas complejidades al transformar datos como la actividad genética, las mutaciones y los niveles de proteínas en mapas circulares vibrantes que ofrecen una comprensión más clara de lo que está sucediendo dentro del cuerpo. En su estudio, los investigadores emplearon OmicsFootPrint para examinar las respuestas a los medicamentos y los datos multiómicos del cáncer. La herramienta distinguió con éxito entre dos tipos de cáncer de mama (carcinoma lobular y carcinoma ductal) con una precisión promedio del 87 %. En el cáncer de pulmón, mostró una precisión de más del 95 % en la identificación de dos tipos: adenocarcinoma y carcinoma de células escamosas. Los hallazgos, publicados en Nucleic Acids Research, revelaron que la combinación de varios tipos de datos moleculares arroja resultados más precisos que el uso de un solo tipo.

OmicsFootPrint también demuestra ser prometedor en la generación de información significativa incluso con conjuntos de datos limitados. Utiliza técnicas avanzadas de IA que aprenden de los datos existentes y aplican este conocimiento a nuevas situaciones, un proceso conocido como aprendizaje por transferencia. Por ejemplo, ayudó a los investigadores a lograr una precisión de más del 95 % en la identificación de subtipos de cáncer de pulmón con menos del 20 % del volumen de datos habitual. Para mejorar aún más su precisión y su información, el marco OmicsFootPrint incorpora un método sofisticado llamado SHAP (explicaciones aditivas de SHapley). SHAP destaca los marcadores, genes o proteínas clave que afectan los resultados, lo que ayuda a los investigadores a comprender los factores subyacentes que impulsan los patrones de la enfermedad. Además de la investigación, OmicsFootPrint también está destinado al uso clínico. Comprime grandes conjuntos de datos biológicos en imágenes compactas que ocupan solo el 2 % del espacio de almacenamiento original. Esta compresión podría simplificar la integración de las imágenes en los registros médicos electrónicos, lo que podría orientar la atención futura del paciente. El equipo de investigación está trabajando en la expansión de OmicsFootPrint para explorar enfermedades adicionales, incluidas las afecciones neurológicas y otros trastornos complejos. También se están centrando en actualizaciones para mejorar la precisión y flexibilidad de la herramienta, como la capacidad de identificar nuevos marcadores de enfermedades y objetivos farmacológicos.

"Los datos adquieren mayor poder cuando se puede ver la historia que cuentan", comenta la Dra. Krishna Rani Kalari, autora principal del estudio y profesora adjunta de informática biomédica en el Centro para Medicina Personalizada de la Clínica Mayo. "OmicsFootPrint podría abrir puertas a descubrimientos que antes no habíamos podido lograr".

New
Miembro Oro
Clinical Chemistry Assay
Sorbitol Dehydrogenase (SDH)
Miembro Oro
HISOPOS DE FIBRA FLOCADA
Puritan® Patented HydraFlock®
New
Thyroid Test
Anti-Thyroid EIA Test
New
LAIR2 Antibody Pair Set
LAIR2 Antibody Pair [Biotin]

Canales

Química Clínica

ver canal
Foto cortesía de Adobe Stock

Prueba de cribado multicáncer en orina recibe designación de dispositivo innovador de la FDA

La detección precoz de múltiples tipos de cáncer sigue siendo una necesidad importante no cubierta en los programas de cribado poblacional. Los métodos no invasivos que pueden... Más

Diagnóstico Molecular

ver canal
Imagen: el nuevo enfoque se centra en la metilación del ADN CpG, una modificación química de las bases de citosina y guanina, utilizando muestras de tumores para desarrollar un modelo computacional que distingue entre 21 tipos de cáncer (crédito de la foto: 123RF)

Modelo de aprendizaje automático predice el origen tumoral en cánceres de origen primario desconocido

Los cánceres de origen primario desconocido (CUP, por sus siglas en inglés) son neoplasias malignas metastásicas cuyo sitio primario no se puede identificar, lo que dificulta la s... Más

Hematología

ver canal
Imagen: El linfoma difuso de células B grandes (LDCBG) es la forma más común de linfoma no Hodgkin y a menudo se presenta con un comportamiento clínico agresivo (fotografía cortesía de Shutterstock)

Identifican un “interruptor protector” en el linfoma difuso de células B grandes

El linfoma difuso de células B grandes (LDCBG) es la forma más común de linfoma no Hodgkin y suele presentar un comportamiento clínico agresivo. Si bien muchos pacientes responden... Más

Inmunología

ver canal
Imagen: Filipe Lima, primer autor del artículo (foto cortesía de FMRP-USP)

Método de cribado combinado permite identificar casos de lepra en etapas tempranas

La lepra sigue siendo un problema importante de salud pública, con más de 200.000 casos nuevos notificados anualmente en todo el mundo, y la enfermedad temprana a menudo escapa a la detección... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.