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
Ingresar
Publique su anuncio con nosotros
INTEGRA BIOSCIENCES AG

Deascargar La Aplicación Móvil




Eventos

09 abr 2024 - 12 abr 2024
15 abr 2024 - 17 abr 2024
23 abr 2024 - 26 abr 2024

Se compara la microscopía automatizada para el diagnóstico rutinario de la malaria

Por el equipo editorial de LabMedica en español
Actualizado el 17 Oct 2018
Print article
Imagen: El Autoscope utiliza un software de aprendizaje profundo para cuantificar los parásitos de la malaria en una muestra (Fotografía cortesía de Intellectual Ventures).
Imagen: El Autoscope utiliza un software de aprendizaje profundo para cuantificar los parásitos de la malaria en una muestra (Fotografía cortesía de Intellectual Ventures).
El examen microscópico de los frotis de sangre coloreados con Giemsa sigue siendo una forma importante de diagnóstico en el manejo de casos de malaria. Sin embargo, al igual que con otros diagnósticos basados en visualización, la exactitud depende del desempeño del técnico individual, lo que dificulta la estandarización y la confiabilidad.

El reconocimiento automático de imágenes basado en el aprendizaje automático, utilizando redes neuronales convolucionales, ofrece un potencial para superar estos inconvenientes. La aplicación del reconocimiento de imágenes digitales a la microscopía de la malaria, utilizando algoritmos de inteligencia artificial para reemplazar o complementar el factor humano en la interpretación de los frotis de sangre, ha sido intentado, generalmente en frotis delgados.

Un equipo de científicos que colaboran con Intellectual Ventures (Bellevue, WA, EUA) realizó un ensayo observacional transversal en dos instituciones de salud primaria periféricas en Perú. Inscribieron a 700 participantes cuya edad variaba entre 5 y 75 años, y tenían antecedentes de fiebre en los últimos tres días o temperatura elevada al momento del ingreso. Se tomó una muestra de sangre mediante punción digital para hacer frotis de sangre para el diagnóstico de microscopía y se colocaron gotas adicionales de sangre en un papel de filtro para el análisis cuantitativo posterior usando la reacción en cadena de la polimerasa cuantitativa (qPCR). Un prototipo del microscopio digital que emplea un algoritmo basado en el aprendizaje automático, el Autoscope, fue evaluado por su potencial en la microscopía de la malaria.

Los investigadores informaron que en una clínica, la sensibilidad del Autoscope para diagnosticar la malaria fue del 72% y la especificidad fue del 85%. El desempeño de la microscopía fue similar al Autoscope, con una sensibilidad del 68% y una especificidad del 100%. En una clínica, el 85% de las láminas preparadas tenían un mínimo de imágenes de 600 glóbulos blancos (WBC), por lo que cumplían con las condiciones de diseño del Autoscope. En la segunda clínica, la sensibilidad del Autoscope fue del 52% y la especificidad del 70%. El desempeño de la microscopía en esta segunda clínica fue del 42% y la especificidad fue del 97%. Solo el 39% de las láminas de esta clínica cumplieron con los supuestos de diseño de Autoscope respecto a la preparación de las láminas para obtener imágenes de los WBC.

Los autores concluyeron que el desempeño diagnóstico del Autoscope estaba a la par de la microscopía de rutina cuando las láminas tenían un volumen de sangre adecuado para cumplir con los supuestos de diseño, como lo representan los resultados de una clínica. El desempeño diagnóstico del Autoscope fue inferior al de la microscopía de rutina en las láminas de la otra clínica debido a que generó láminas con volúmenes más bajos de sangre. El estudio fue publicado el 25 de septiembre de 2018 en la revista Malaria Journal.

Enlace relacionado:
Intellectual Ventures

Miembro Platino
PRUEBA RÁPIDA COVID-19
OSOM COVID-19 Antigen Rapid Test
HLX
POCT Fluorescent Immunoassay Analyzer
FIA Go
New
Miembro Oro
Plasma Control
Plasma Control Level 1

Print article

Canales

Diagnóstico Molecular

ver canal
Imagen: Imagen de células de cáncer de próstata tomada usando un microscopio electrónico de barrido (Fotografía cortesía de la Unidad LRI EM)

Nuevos descubrimientos sobre evolución del cáncer de próstata allanan el camino para pruebas genéticas

El cáncer de próstata es uno de los cánceres más comunes que afectan a los hombres y, si bien representa un número significativo de muertes por cáncer en hombres,... Más

Hematología

ver canal
Imagen: La prueba Gazelle Hb Variant (Fotografía cortesía de Hemex Health)

Primera prueba rápida y asequible para beta talasemia demuestra precisión diagnóstica del 99 %

Los trastornos de la hemoglobina se encuentran entre las enfermedades monogénicas más prevalentes a nivel mundial. Entre los diversos trastornos de la hemoglobina, la beta talasemia, un trastorno sanguíneo... Más

Inmunología

ver canal
Imagen: Streptococcus pyogenes en una placa de Petri (Fotografía cortesía del Colegio Imperial de Londres)

Técnicas de vanguardia para investigar respuesta inmune en infecciones mortales por estreptococo A

Anualmente, la asombrosa cifra de medio millón de personas, incluidos numerosos niños y jóvenes, sucumben a nivel mundial a infecciones graves causadas por la bacteria estreptocócica... Más

Tecnología

ver canal
Imagen: El sensor electroquímico detecta HPV-16 y HPV-18 con alta especificidad (Fotografía cortesía de 123RF)

Biosensor de ADN permite diagnóstico temprano del cáncer de cuello uterino

El disulfuro de molibdeno (MoS2), reconocido por su potencial para formar nanoláminas bidimensionales como el grafeno, es un material que llama cada vez más la atención de la comunidad... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.