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




Nueva herramienta de IA revela señales genéticas ocultas en portaobjetos H&E de rutina

Por el equipo editorial de LabMedica en español
Actualizado el 14 May 2026
Imagen: Análisis espacial de muestras de tejido (a la izquierda) e imagen H&E estándar (a la derecha) (Fotografía cortesía de QIMR Berghofer Medical Research Instituter
Imagen: Análisis espacial de muestras de tejido (a la izquierda) e imagen H&E estándar (a la derecha) (Fotografía cortesía de QIMR Berghofer Medical Research Instituter

Los patólogos de todo el mundo utilizan preparaciones teñidas con hematoxilina y eosina (H&E) para examinar la arquitectura tisular; sin embargo, estas tinciones no revelan la actividad molecular subyacente que suele desencadenar las enfermedades. Ante el aumento de la carga de trabajo y la desigualdad en el acceso a ensayos moleculares especializados, los laboratorios necesitan herramientas que permitan identificar señales clínicamente relevantes en muestras de rutina.

Los enfoques de biología espacial pueden revelar interacciones celulares complejas dentro del microambiente tisular que la microscopía estándar no puede detectar. Un nuevo estudio demuestra que un sistema de inteligencia artificial (IA) puede extraer dicha información de preparaciones cotidianas para facilitar diagnósticos más tempranos y precisos.

Investigadores del Instituto de Investigación Médica QIMR Berghofer (Brisbane, Australia) han desarrollado STimage, una herramienta de cribado basada en IA que aprovecha la biología espacial para predecir marcadores genéticos ocultos y características de enfermedades directamente a partir de tejido teñido con hematoxilina y eosina.

El sistema, basado en aprendizaje automático y algoritmos estadísticos, aplica análisis espacial a toda la muestra para generar predicciones diagnósticas con fundamento biológico. Además, cuantifica la certeza de la predicción y muestra las características tisulares y celulares que contribuyeron al resultado, lo que permite una revisión transparente por parte de los patólogos.

Según el estudio, STimage predijo con precisión los cánceres de mama, piel y riñón, así como la colangitis esclerosante primaria, una enfermedad autoinmune del hígado. La herramienta se describió como fiable, de bajo coste y capaz de generar rápidamente resultados interpretables por patólogos. Los investigadores entrenaron el modelo con conjuntos de datos anonimizados que abarcaban las afecciones mencionadas.

El sistema generó predicciones pronósticas y de respuesta al tratamiento precisas, clasificando a los pacientes con alto o bajo riesgo de supervivencia y con probabilidad de respuesta completa o parcial a los fármacos existentes. Estas características pronósticas y terapéuticas se encuentran en una fase inicial y se están desarrollando aún más. En comparaciones directas realizadas por el equipo, STimage superó a un pequeño número de herramientas similares, además de ofrecer mayor fiabilidad e interpretabilidad.

La investigación se publicó en Nature Communications . El desarrollo se llevó a cabo en el Centro Nacional de Investigación de Tejidos Espaciales e Inteligencia Artificial (NCSTAR) del QIMR Berghofer. El equipo está ampliando el rango de tipos de cáncer detectables, aumentando la precisión e integrando conjuntos de datos adicionales para identificar células cancerosas menos frecuentes en una etapa temprana y tipos clave de células inmunitarias que influyen en la progresión del cáncer y la respuesta a los fármacos. La siguiente fase consiste en ensayos en laboratorios de patología.

“Es como darles a los patólogos la visión de superresolución de Superman o Superwoman para escanear millones de biomarcadores invisibles en una pequeña muestra de tejido y encontrar los dos o tres que muestran signos de cáncer. Esta capacidad es fundamental para la detección temprana, un diagnóstico más preciso y decisiones de tratamiento mejor fundamentadas”, dijo el profesor asociado Quan Nguyen, quien lideró el desarrollo de la herramienta con el Centro Nacional de Investigación Espacial de Tejidos e Inteligencia Artificial (NCSTAR) de QIMR Berghofer.

“La herramienta STimage no reemplaza la experiencia y los conocimientos de los patólogos. Más bien, les ayuda en su importante y técnicamente compleja labor, proporcionándoles información adicional sobre los tipos de células y la actividad genética que no pueden observar a simple vista”, afirmó el profesor asociado Nguyen.

Enlaces relacionados
QIMR Berghofer Medical Research Institute

New
Miembro Oro
CONTROL DE LA PREECLAMPSIA
Acusera Pre-Eclampsia Control
Software de laboratorio
Acusera 24•7
Prefilled Tubes
Prefilled 5.0ml Tubes
Steam Sterilizer
Hi Vac II Line

Canales

Química Clínica

ver canal
Imagen: El enfoque respalda el diagnóstico de infarto de miocardio en entornos con recursos limitados al reducir los retrasos entre la sospecha clínica y la confirmación bioquímica (Crédito de la imagen: Adobe Stock)

Ensayo portátil de troponina acerca el diagnóstico del infarto a los pacientes

La confirmación oportuna del infarto de miocardio a menudo depende de pruebas de laboratorio que pueden no estar disponibles de inmediato en el punto de atención. Esta brecha entre la sospecha... Más

Diagnóstico Molecular

ver canal
Imagen: Las dos nuevas pruebas se utilizan con los instrumentos LightCycler 480 y LightCycler PRO (Fotografía cortesía de Roche)

Nuevos ensayos de PCR amplían las pruebas de Cyclospora para la vigilancia de brotes

Cyclospora cayetanensis, un parásito intestinal transmitido por alimentos y agua, puede causar diarrea prolongada, fatiga y cólicos abdominales, lo que añade presión a los servicios... Más

Microbiología

ver canal
Imagen: Un innovador programa a nivel de condado en Taiwán combina pruebas de detección basadas en el riesgo con atención comunitaria descentralizada para mejorar la detección y el tratamiento de la hepatitis C (Crédito de la imagen: iStock)

Cribado de precisión ayuda a cerrar brechas en diagnóstico y tratamiento de hepatitis C

La hepatitis C sigue siendo una de las principales causas de cirrosis y cáncer de hígado, pero muchas infecciones no se diagnostican ni se tratan porque los sistemas de salud no llegan a... Más

Tecnología

ver canal
Imagen: el panel combina diagnósticos basados ​​en biomarcadores con algoritmos digitales avanzados para permitir una evaluación no invasiva utilizando datos clínicos disponibles de forma rutinaria (Fotografía cortesía de Adobe Stock)

Panel de algoritmos ayuda a evaluar la fibrosis hepática y vigilar el cáncer de hígado

La enfermedad hepática crónica es común y suele progresar de forma silenciosa, lo que aumenta el riesgo de cirrosis y carcinoma hepatocelular cuando no se detecta de manera temprana.... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.