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
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.
06 feb 2023 - 09 feb 2023

Sistema de análisis patológico por IA es más preciso que humanos en lectura de imágenes de biopsia digital

Por el equipo editorial de LabMedica en español
Actualizado el 06 Dec 2022
Print article
Imagen: Un sistema de aprendizaje profundo analiza los escaneos de cáncer de mama mejor de lo que un humano podría hacerlo (Fotografía cortesía de Pexels)
Imagen: Un sistema de aprendizaje profundo analiza los escaneos de cáncer de mama mejor de lo que un humano podría hacerlo (Fotografía cortesía de Pexels)

Una de cada nueve mujeres en el mundo desarrollado será diagnosticada con cáncer de mama en algún momento de su vida. La prevalencia del cáncer de mama está aumentando, un efecto causado en parte por el estilo de vida moderno y el aumento de la esperanza de vida. Afortunadamente, los tratamientos son cada vez más eficientes y personalizados. Sin embargo, lo que no aumenta, y de hecho disminuye, es el número de patólogos, o médicos cuya especialidad es examinar los tejidos del cuerpo para proporcionar el diagnóstico específico necesario para la medicina personalizada. Ahora, un equipo de investigadores se ha propuesto convertir las computadoras en asistentes efectivos de los patólogos, simplificando y mejorando el trabajo del médico humano.

La tarea específica que los investigadores del Technion – Instituto de Tecnología de Israel (Haifa, Israel) se han propuesto lograr se encuentra dentro del campo de la inmunoterapia. La inmunoterapia ha ganado prominencia en los últimos años como un tratamiento eficaz, a veces incluso innovador, para varios tipos de cáncer. La base de esta forma de terapia es alentar al propio sistema inmunitario del cuerpo a atacar el tumor. Sin embargo, dicha terapia debe ser personalizada ya que se debe administrar la medicación correcta a los pacientes que se beneficiarán de ella en función de las características específicas del tumor.

Múltiples mecanismos naturales evitan que nuestro sistema inmunológico ataque a nuestro propio cuerpo. Estos mecanismos a menudo son aprovechados por los tumores cancerosos para evadir el sistema inmunitario. Uno de esos mecanismos está relacionado con la proteína PD-L1: algunos tumores la muestran y actúa como una especie de contraseña al convencer erróneamente al sistema inmunitario de que el cáncer no debe ser atacado. La inmunoterapia específica para PD-L1 puede persuadir al sistema inmunitario para que ignore esta contraseña en particular, pero, por supuesto, solo sería eficaz cuando el tumor expresa PD-L1. Es tarea de un patólogo determinar si el tumor de un paciente expresa PD-L1. Se utilizan marcadores químicos costosos para teñir una biopsia tomada del tumor a fin de obtener la respuesta. El proceso no es trivial, requiere mucho tiempo y, en ocasiones, es inconsistente.

Los investigadores del Technion adoptaron un enfoque diferente. En los últimos años, se ha convertido en una práctica aprobada por la FDA escanear las biopsias para que puedan usarse para el análisis patológico digital. Los investigadores decidieron averiguar si una red neuronal podría usar estos escaneos para hacer el diagnóstico sin requerir procesos adicionales. Las redes neuronales se entrenan de manera similar a como aprenden los niños: se les presentan múltiples ejemplos etiquetados. A un niño se le muestran muchos perros y varias otras cosas, y a partir de estos ejemplos se forma una idea de lo que es “perro”.

La red neuronal desarrollada por los investigadores del Technion se presentó con imágenes de biopsias digitales de 3.376 pacientes que fueron etiquetados como expresando o no expresando PD-L1. Después de la validación preliminar, se le solicitó determinar si las imágenes de biopsia de ensayos clínicos adicionales de 275 pacientes eran positivas o negativas para PD-L1. Funcionó mejor de lo esperado: para el 70 % de los pacientes, pudo determinar la respuesta con confianza y correctamente. Para el 30 % restante de los pacientes, el programa no pudo encontrar los patrones visuales que le permitieran decidir de una forma u otra. Curiosamente, en los casos en que la inteligencia artificial (IA) no estuvo de acuerdo con la determinación del patólogo humano, una segunda prueba demostró que la IA tenía razón.

“Este es un logro trascendental”, explicó el profesor Ron Kimmel de la Facultad de Ciencias de la Computación Henry and Marilyn Taub en el Technion. “Las variaciones que encontró la computadora no son distinguibles para el ojo humano. Las células se organizan de manera diferente si presentan PD-L1 o no, pero las diferencias son tan pequeñas que incluso un patólogo capacitado no puede identificarlas con confianza. Ahora nuestra red neuronal puede”.

“Esperamos que la IA se convierta en una poderosa herramienta en manos de los médicos”, agregó el Prof. Kimmel. “La IA puede ayudar a hacer o verificar un diagnóstico, puede ayudar a adaptar el tratamiento al paciente individual, puede ofrecer un pronóstico. No creo que pueda, ni deba, reemplazar al médico humano. Pero puede hacer que algunos elementos del trabajo de los médicos sean más simples, rápidos y precisos”.

Enlaces relacionados:
Technion

Proveedor de oro
Zika Virus Anitobody Test
Zika Virus IgM μ-capture
New
Procalcitonin Test
RAMP PROCALCITONIN Test
New
Clinical Centrifuge
BenchMate C6V
New
Adalimumab (ATA) Antibody Test
RIDASCREEN Anti-ADM Antibodies

Print article
MEDLAB - INFORMA

Canales

Diagnóstico Molecular

ver canal
Imagen: Una prueba basada en la sangre podría predecir el inicio del Alzheimer temprano de una manera no invasiva (Fotografía cortesía del King’s College de Londres)

Prueba de sangre predice riesgo de Alzheimer 3,5 años antes del diagnóstico clínico

Un nuevo estudio encontró que una prueba basada en sangre puede predecir el riesgo de enfermedad de Alzheimer hasta 3,5 años antes del diagnóstico clínico. El estudio se basa... Más

Inmunología

ver canal
Imagen: Los científicos han ganado 9,5 millones de dólares para estudiar patógenos emergentes (Fotografía cortesía de Pexels)

Estudio de patógenos emergentes para comprender mejor las interacciones entre influenza y anticuerpos podría mejorar los diagnósticos

Los brotes de influenza aviar se han producido en todo el mundo durante más de un siglo. El virus altamente patógeno H5N1 que se identificó por primera vez en 1996 puede provocar enfermedades... Más

Microbiología

ver canal
Imagen: El sistema semiautomático MicroScan autoSCAN-4 proporciona pruebas ID/AST simplificadas en un paquete altamente confiable y asequible y confirmó los resultados del estudio (Fotografía cortesía de Beckman Coulter)

Secuenciación de nanoporos detecta patógenos en la infección periprotésica de articulación rodilla

El número de artroplastias totales de rodilla (ATR) está aumentando sustancialmente en la actualidad y se espera que se multiplique por más del doble en la próxima década... Más

Tecnología

ver canal
Imagen: El transistor electroquímico vertical se basa en un nuevo tipo de polímero electrónico y una arquitectura vertical en lugar de plana (Fotografía cortesía de la Universidad Northwestern)

Transistor revolucionario podría permitir dispositivos portátiles para medir el sodio y el potasio en la sangre

Los investigadores han desarrollado un transistor revolucionario que podría ser adecuado para bioelectrónica ligera, flexible y de alto rendimiento. El transistor electroquímico es... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.