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




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

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
New
Miembro Oro
Analizador de la función plaquetaria
PL-12
Automated Clinical Chemistry Analyzer
Envoy 500+
New
Miembro Oro
Analizador de la función plaquetaria
AGGRENG-40

Canales

Química Clínica

ver canal
Imagen: La prueba Galleri de GRAIL utiliza el aprendizaje automático para analizar patrones de ADNcf en busca de señales de cáncer y predecir su ubicación probable para guiar una evaluación adicional.

Prueba sanguínea multicáncer amplía detección a cánceres sin opciones de cribado rutinario

Muchos cánceres letales carecen de cribado rutinario y a menudo se diagnostican solo después de que aparecen los síntomas, lo que limita las opciones curativas. Los programas estándar... Más

Diagnóstico Molecular

ver canal
Imagen: MPNST es un cáncer del tejido conectivo que rodea los nervios periféricos, siendo la NF1 un factor de riesgo clave (Crédito de la imagen: Nephron/Wikimedia Commons (CC BY-SA 3.0)

Biopsia líquida muestra potencial para detectar y monitorizar tumores malignos de la vaina nerviosa

El tumor maligno de la vaina de los nervios periféricos (MPNST) es uno de los cánceres más graves que afectan a las personas con neurofibromatosis tipo 1 (NF1), pero su reconocimiento oportuno sigue siendo difícil.... Más

Inmunología

ver canal
Imagen: Resumen gráfico (Turner N, Keam S, Abdel-Wahab N, et al. La cascada inflamatoria guiada por células B perpetúa la colitis mediada por ICI. Cell Reports (2026). doi:10.1016/j.celrep.2026.117969)

Biomarcador sanguíneo podría predecir riesgo de colitis durante terapia con inhibidores de puntos de control

Los inhibidores de puntos de control inmunitario pueden desencadenar colitis inmunorrelacionada que provoca diarrea grave, dolor abdominal e interrupciones del tratamiento. Actualmente, los médicos... Más

Microbiología

ver canal
Imagen: El ébola sigue siendo una amenaza para la salud pública en rápida evolución con una alta mortalidad, lo que subraya la necesidad de un diagnóstico oportuno y pruebas descentralizadas más cercanas a los pacientes (Crédito de la imagen: Adobe Stock)

Colaboración busca llevar detección sanguínea del ébola fuera de los laboratorios centrales

Co-Diagnostics, Inc. (Salt Lake City, UT, EE. UU.) y ReadyGo Diagnostics Ltd. (Bath, Reino Unido) han iniciado una colaboración para evaluar GoCollect de ReadyGo con la plataforma Co-Dx PCR para... 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.