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
Werfen

Deascargar La Aplicación Móvil




Nueva herramienta de IA mejora métodos anteriores para identificar cáncer colorrectal en muestras de tejido

Por el equipo editorial de LabMedica en español
Actualizado el 03 Mar 2025
Imagen: los cuadrados son imágenes parciales representativas de las diapositivas de microscopía del cáncer, que el sistema de IA ha organizado automáticamente por su similitud (foto cortesía de la Universidad de Jyväskylä)
Imagen: los cuadrados son imágenes parciales representativas de las diapositivas de microscopía del cáncer, que el sistema de IA ha organizado automáticamente por su similitud (foto cortesía de la Universidad de Jyväskylä)

El análisis de tejidos generalmente implica que un patólogo revise portaobjetos digitales escaneados de la muestra intestinal de un paciente y marque áreas específicas, como aquellas en las que hay presencia de tejidos cancerosos y relacionados. Se ha desarrollado una nueva herramienta impulsada por inteligencia artificial (IA) para identificar el cáncer colorrectal en muestras de tejido que supera todos los modelos anteriores en términos de precisión de clasificación.

Esta herramienta fue el resultado de un estudio colaborativo dirigido por investigadores de la Universidad de Jyväskylä (Jyväskylä, Finlandia). El modelo de IA creado en este estudio demostró un rendimiento superior en la clasificación de muestras de tejido en comparación con los modelos anteriores. Esta nueva herramienta tiene el potencial de agilizar el proceso para los médicos al automatizar el análisis de portaobjetos de tejido. Analiza muestras y resalta áreas con varios tipos de tejido, ofreciendo un nivel de precisión que podría reducir en gran medida la carga de trabajo de los histopatólogos, lo que conduce a diagnósticos, pronósticos y conocimientos clínicos más rápidos.

El equipo de investigación ha puesto a disposición del público esta herramienta de IA para promover más investigaciones y colaboraciones. Si bien los resultados son prometedores, el equipo enfatiza que la integración de herramientas de IA en la práctica clínica debe abordarse con cautela. Para que las soluciones de IA se conviertan en estándar en los entornos clínicos, deben pasar por un proceso de validación exhaustivo para garantizar que cumplan con las normas clínicas y regulatorias.

"Según nuestro estudio, el modelo desarrollado es capaz de identificar todas las categorías de tejidos relevantes para la identificación del cáncer, con una precisión del 96,74 %", afirma Fabi Prezja, el investigador responsable del diseño del método. "La disponibilidad gratuita tiene como objetivo acelerar los avances futuros al alentar a los científicos, desarrolladores e investigadores de todo el mundo a seguir desarrollando la herramienta y encontrando nuevas aplicaciones para ella".

Enlaces relacionados:
Universidad de Jyväskylä

Miembro Oro
Fibrinolysis Assay
HemosIL Fibrinolysis Assay Panel
KIT DE PRUEBA POC PARA H.PYLORI
Hepy Urease Test
Miembro Oro
SISTEMA DE RECOLECCIÓN Y TRANSPORTE
PurSafe Plus®
Gram-Negative Blood Culture Assay
LIAISON PLEX Gram-Negative Blood Culture Assay

Canales

Diagnóstico Molecular

ver canal
Imagen: el biomarcador basado en sangre puede ayudar a identificar a los pacientes con mayor riesgo de recurrencia del cáncer después de la cirugía (Fotografía cortesía de 123RF)

Nuevo análisis de sangre podría ayudar a predecir la recurrencia del cáncer testicular

El tumor de células germinales testicular en estadio 1 suele tratarse con cirugía seguida de vigilancia activa. Aunque la mayoría de los pacientes presenta buenos resultados a largo... Más

Inmunología

ver canal
Imagen: el estudio identificó una firma inmune distintiva asociada con la miastenia gravis resistente al tratamiento (Dodd, Katherine C. et al., Med (2026). DOI: 10.1016/j.medj.2025.100987)

Firma inmunitaria identificada en miastenia gravis resistente al tratamiento

La miastenia gravis es un trastorno autoinmune poco común en el que el ataque inmunitario a la unión neuromuscular causa debilidad fluctuante que puede afectar la visión, el movimiento,... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.