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




Análisis de sangre con IA identifica pacientes en etapa más temprana del cáncer de mama

Por el equipo editorial de LabMedica en español
Actualizado el 17 Dec 2024
Imagen: Un análisis de sangre con IA es el primero en detectar el primer signo de cáncer de mama (Foto cortesía de 123RF)
Imagen: Un análisis de sangre con IA es el primero en detectar el primer signo de cáncer de mama (Foto cortesía de 123RF)

Las pruebas estándar para detectar el cáncer de mama suelen incluir un examen físico, radiografías o ecografías y una biopsia para analizar muestras de tejido. Las estrategias actuales de detección temprana suelen basarse en pruebas de detección basadas en la edad o en factores de riesgo. Ahora, un nuevo método promete mejorar la detección temprana y el seguimiento del cáncer de mama, lo que podría dar lugar a una prueba de detección para múltiples tipos de cáncer.

Desarrollado por investigadores de la Universidad de Edimburgo (Escocia, Reino Unido), el nuevo método de detección combina el análisis láser con la inteligencia artificial (IA). Este innovador enfoque es el primero en detectar el cáncer de mama en su etapa más temprana, conocida como etapa 1a, que es indetectable con las pruebas actuales. El método utiliza la espectroscopia Raman, una técnica de análisis láser, combinada con el aprendizaje automático, una forma de IA. Si bien se han probado técnicas similares para otros tipos de cáncer, solo pudieron detectar la enfermedad a partir de la etapa dos. El proceso implica iluminar el plasma sanguíneo de las pacientes con un láser y luego analizar cómo interactúa la luz con la sangre utilizando un espectrómetro. Esto revela cambios minúsculos en la composición química de las células y los tejidos, que sirven como indicadores tempranos de la enfermedad. Luego, un algoritmo de aprendizaje automático interpreta los datos, identifica patrones y clasifica las muestras.

En un estudio piloto con 12 muestras de pacientes con cáncer de mama y 12 muestras de control sanas, la técnica identificó el cáncer de mama en la etapa 1a con una precisión del 98 %. El estudio, publicado en Journal of Biophotonics, también demostró la capacidad del método para distinguir entre los cuatro subtipos principales de cáncer de mama con una precisión superior al 90 %. Esto podría permitir tratamientos más personalizados y efectivos. Los investigadores creen que implementar esto como una herramienta de detección podría identificar a más pacientes en las primeras etapas del cáncer de mama, mejorando el éxito del tratamiento. Planean ampliar el estudio para incluir más participantes y probar la detección temprana de otros tipos de cáncer.

“La mayoría de las muertes por cáncer se producen tras un diagnóstico en una fase avanzada, cuando los síntomas se hacen evidentes, por lo que una futura prueba de detección de múltiples tipos de cáncer podría descubrirlos en una fase en la que se pueden tratar con mucha más facilidad”, afirmó el Dr. Andy Downes, de la Facultad de Ingeniería de la Universidad de Edimburgo, quien dirigió el estudio. “El diagnóstico temprano es clave para la supervivencia a largo plazo, y finalmente contamos con la tecnología necesaria. Solo necesitamos aplicarla a otros tipos de cáncer y crear una base de datos, antes de que pueda utilizarse como prueba para múltiples tipos de cáncer”.

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
Electrolyte Analyzer
CBS-4000 (CBS-400)
Automated Urinalysis Solution
UN-9000
Pipette Calibration System
Artel PCS®

Canales

Inmunología

ver canal
Imagen: Los hallazgos resaltan el potencial de los perfiles inmunológicos basados ​​en la sangre para proporcionar una imagen más completa de cómo responden los pacientes a la inmunoterapia. (Crédito de la imagen: Adobe Stock)

Análisis de sangre de células inmunitarias podría predecir respuesta a inmunoterapia en melanoma

El melanoma sigue siendo uno de los cánceres de piel más letales, aunque los resultados mejoran notablemente cuando la enfermedad se detecta en una fase temprana. La inmunoterapia ha prolongado... Más

Microbiología

ver canal
Imagen: El panel QIAstat-Dx BCID GPF Plus AMR es el primer panel QIAstat-Dx para infecciones del torrente sanguíneo que recibe la aprobación de la FDA (Fotografía cortesía de Qiagen)

La FDA aprueba panel de una hora para detectar infecciones del torrente sanguíneo y resistencia antimicrobiana

Las infecciones del torrente sanguíneo pueden progresar rápidamente a sepsis, una afección potencialmente mortal que afecta a un estimado de 1,7 millones de adultos en los EE.... Más

Patología

ver canal
Imagen: A través del PCCP, Proscia obtiene una vía más eficiente para expandir la interoperabilidad de Concentriq AP-Dx mientras mantiene la supervisión regulatoria (Fotografía cortesía de Proscia)

Plataforma de patología digital amplía interoperabilidad para diagnóstico primario

El aumento de la incidencia del cáncer se está encontrando con una plantilla cada vez menor de patólogos, lo que intensifica la presión sobre los tiempos de respuesta diagnóstica... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.