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
Guangdong Fapon Biotech Co., Ltd.

Descargar La Aplicación Móvil




Herramienta de aprendizaje automático permite diagnóstico asistido por IA de enfermedades inmunológicas

Por el equipo editorial de LabMedica en español
Actualizado el 25 Feb 2025
Imagen que muestra el proceso de la clasificación de la sangre a la enfermedad con la secuenciación del receptor inmune (foto cortesía de Science, DOI: 10.1126/science.adp2407)
Imagen que muestra el proceso de la clasificación de la sangre a la enfermedad con la secuenciación del receptor inmune (foto cortesía de Science, DOI: 10.1126/science.adp2407)

Los métodos tradicionales de diagnóstico de enfermedades autoinmunes y otras afecciones inmunológicas suelen combinar exámenes físicos, antecedentes del paciente y pruebas de laboratorio para detectar anomalías celulares o moleculares. Sin embargo, este proceso suele requerir mucho tiempo y complicarse por diagnósticos erróneos y síntomas ambiguos. Estos métodos generalmente no aprovechan al máximo los datos del sistema inmunitario adaptativo del paciente, en particular los receptores de células B (RCB) y los receptores de células T (RCT). En respuesta a infecciones, vacunas y otros estímulos antigénicos, los repertorios de RCB y RCT se alteran mediante la expansión clonal, la mutación somática y la reestructuración de las poblaciones de células inmunitarias. La secuenciación de estos receptores inmunitarios tiene el potencial de proporcionar una herramienta de diagnóstico más completa, que permita la detección de enfermedades infecciosas, autoinmunes y de mediación inmunitaria en una sola prueba. Sin embargo, sigue sin estar claro con qué fiabilidad y amplitud la secuenciación del repertorio de receptores inmunitarios puede clasificar las enfermedades por sí sola.

Un equipo de investigadores de la Universidad de Stanford (Stanford, CA, EUA) ha creado un innovador marco de aprendizaje automático llamado Mal-ID que puede interpretar el registro del sistema inmunológico de una persona de infecciones y enfermedades pasadas. Este modelo proporciona una nueva herramienta prometedora para diagnosticar trastornos autoinmunes, infecciones virales y respuestas a vacunas con precisión. Mal-ID, que significa MAchine Learning for Immunological Diagnosis, es un marco de tres modelos que analiza conjuntos de datos de receptores inmunológicos para identificar patrones asociados con enfermedades infecciosas, afecciones autoinmunes y respuestas a vacunas. El modelo se entrenó utilizando datos RCB y RCT recopilados de 593 personas, incluidos pacientes con COVID-19, VIH, diabetes tipo 1, así como personas que recibieron la vacuna contra la influenza y controles sanos.

Los hallazgos, publicados en Science, demuestran que Mal-ID identificó con éxito seis estados patológicos distintos en 550 muestras pareadas de RCB y RCT, logrando una puntuación AUROC multiclase de 0,986, lo que indica una precisión de clasificación excepcionalmente alta. Esta puntuación refleja la capacidad del modelo para clasificar con precisión los casos positivos por encima de los negativos en varias comparaciones de enfermedades. La capacidad del modelo para distinguir entre afecciones como COVID-19, VIH, lupus, diabetes tipo 1 y controles sanos resalta su potencial como una poderosa herramienta de diagnóstico. Sin embargo, los investigadores señalaron que es necesario un mayor refinamiento, incorporando información clínica, antes de que el enfoque pueda usarse de manera confiable en entornos clínicos.

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®
Immunofluorescence Analyzer
IFA System
Miembro Oro
CONTROL DE ÍNDICES SÉRICOS
Acusera Serum Indices Control

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.