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
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Nuevo método de rayos X promete avances en histología

Por el equipo editorial de LabMedica en español
Actualizado el 28 Jan 2026
Imagen: los núcleos celulares están resaltados en violeta, mientras que el tejido restante se muestra en rosa: información valiosa para el diagnóstico (fotografía cortesía de Hereon/Dominik John)
Imagen: los núcleos celulares están resaltados en violeta, mientras que el tejido restante se muestra en rosa: información valiosa para el diagnóstico (fotografía cortesía de Hereon/Dominik John)

El análisis histológico de tejidos es fundamental en el diagnóstico médico, ya que permite identificar tumores y otros cambios patológicos mediante cortes de tejido teñidos observados al microscopio. Sin embargo, este proceso es laborioso, destructivo y se limita a vistas bidimensionales que alteran el contexto espacial natural del tejido. Investigadores han desarrollado un enfoque no destructivo que combina colorantes histológicos clásicos con imágenes de rayos X en 3D, lo que permite visualizar y cuantificar el tejido y el colorante por separado en una muestra intacta.

En una investigación dirigida por el Helmholtz-Zentrum Hereon (Geesthacht, Alemania), junto con colaboradores internacionales, el equipo desarrolló una técnica de histología virtual que combina la tomografía computarizada de rayos X de alta resolución con un método de imagen de contraste de fase y un novedoso algoritmo de evaluación. El sistema mide simultáneamente cómo el tejido absorbe y refracta los rayos X mediante una fina rejilla colocada en el haz de rayos X. Al combinar estas dos señales, el algoritmo reconstruye dos conjuntos de datos tridimensionales separados: uno que muestra solo la estructura del tejido y el otro que muestra solo el colorante histológico.

Para demostrar el método, los investigadores examinaron tejido renal de ratones y ratas teñido con hemateína, un colorante modificado con un átomo de plomo para mejorar el contraste de rayos X. Los experimentos se realizaron en la fuente de rayos X PETRA III de Hamburgo y en el Sincrotrón Australiano de Melbourne. El estudio, publicado en Advanced Science, demostró que la técnica no solo mapea la distribución del colorante en 3D, sino que también cuantifica su concentración en regiones individuales del tejido. Las comparaciones con cortes histológicos convencionales de las mismas muestras revelaron una fuerte concordancia.

Este enfoque preserva el contexto espacial completo del tejido, lo que permite seguir estructuras como vasos sanguíneos o límites tumorales en tres dimensiones. Podría respaldar la investigación en biología del cáncer, patología orgánica y evaluación de la respuesta al tratamiento, al permitir examinar cualquier región de interés desde cualquier ángulo. Si bien el método actualmente se basa en instalaciones de sincrotrón a gran escala, el equipo busca adaptarlo a fuentes avanzadas de rayos X de laboratorio. Con una resolución mejorada, la tecnología podría ser relevante para el diagnóstico clínico, ofreciendo evaluaciones más precisas de la propagación tumoral y la completitud quirúrgica.

“Inicialmente, podría servir como herramienta para estudios científicos, por ejemplo, en la investigación del cáncer”, afirmó Dominik John, primer autor del estudio. “Pero si encontramos la manera de mejorar aún más la resolución, también adquiriría gran relevancia para el diagnóstico clínico”.

Enlaces relacionados:
Helmholtz-Zentrum Hereon

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Aspiration System
VACUSAFE
New
Neurofilament Light Chain Assay
Lumipulse G NfL Blood
PRUEBA DE VPH
Allplex HPV28 Detection

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Tecnología

ver canal
Imagen: ADLM recomienda que las herramientas de inteligencia artificial emergentes sigan los mismos estándares profesionales de supervisión, calidad, validación y monitoreo que las pruebas clínicas tradicionales dentro del marco existente de CLIA (Crédito de la imagen: Adobe Stock)

ADLM pide actualizar CLIA para apoyar el uso seguro de IA en medicina de laboratorio

Los laboratorios clínicos utilizan cada vez más la inteligencia artificial para verificar, interpretar e informar resultados, pero las salvaguardas de las Enmiendas para la Mejora de los... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.