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




Plataforma GPU integrada permite análisis rápido de sangre para diagnósticos en POC

Por el equipo editorial de LabMedica en español
Actualizado el 06 Nov 2025
Imagen: se obtienen imágenes de glóbulos rojos que fluyen bajo la MFC de alto rendimiento (Fotografía cortesía de W. Wang et al./Universidad de Duke)
Imagen: se obtienen imágenes de glóbulos rojos que fluyen bajo la MFC de alto rendimiento (Fotografía cortesía de W. Wang et al./Universidad de Duke)

Los análisis de sangre siguen siendo fundamentales en el diagnóstico médico, pero los métodos tradicionales de imagen y análisis pueden ser lentos, costosos y depender de colorantes o agentes de contraste. Ahora, un grupo de científicos ha desarrollado un sistema económico y en tiempo real que reconstruye y analiza imágenes de células sanguíneas mediante microscopía de fase cuantitativa (MFC).

Este avance, logrado por científicos del Laboratorio BIOS de la Universidad de Duke (Durham, Carolina del Norte, EUA), podría hacer posible el diagnóstico rápido y de alto rendimiento de muestras de sangre en el punto de atención. La MFC utiliza holografía óptica para visualizar y medir la forma, el grosor y el tamaño tridimensionales de las células sanguíneas individuales sin necesidad de colorantes. Esta técnica puede detectar enfermedades que alteran la morfología de los glóbulos rojos, como la anemia falciforme, y tiene el potencial de procesar más de 100.000 células en menos de tres minutos.

Sin embargo, el desafío radica en la reconstrucción y el análisis digital de este extenso conjunto de datos. La reconstrucción tradicional basada en CPU puede tardar horas, mientras que los métodos basados en GPU, si bien son más rápidos, resultan prohibitivos para el uso rutinario. Para superar estas limitaciones, el equipo de Duke BIOS diseñó un sistema de procesamiento en tiempo real que reconstruye y analiza datos MFC de alto rendimiento a una velocidad de 1.200 células por segundo, utilizando una plataforma GPU integrada NVIDIA Jetson Orin Nano asequible, con un costo de tan solo 249 dólares. Esta innovación equilibra velocidad, costo y precisión, lo que hace que la MFC sea viable para entornos clínicos.

Integrado con un sistema de imagen MFC de alto rendimiento, el sistema automatiza cada paso, desde la segmentación de imágenes de células individuales hasta el reenfoque digital y el cálculo de parámetros morfológicos como el volumen y el área de proyección, sin intervención manual. En pruebas de validación con microesferas de poliestireno y muestras de eritrocitos sanos, el sistema obtuvo resultados con un error promedio inferior al 5 %, demostrando una precisión comparable a la de los métodos de procesamiento convencionales. Sus hallazgos se publicaron en Biophotonics Discovery.

Los investigadores creen que su sistema basado en Jetson y asistido por IA podría servir como base para una plataforma MFC portátil y de bajo costo capaz de realizar análisis de sangre automáticos en tiempo real. Un sistema así permitiría la detección temprana de trastornos sanguíneos como la anemia falciforme, reduciría el tiempo de diagnóstico de horas a minutos y ampliaría el acceso a diagnósticos hematológicos avanzados en todo el mundo.

"La microscopía cuantitativa de fotoluminiscencia (MFC) lleva tiempo demostrando su potencial para proporcionar información detallada sobre las células biológicas. Sin embargo, esta técnica aún no se ha generalizado en la práctica clínica, a menudo debido al coste o la complejidad del procesamiento de los datos de imagen", afirmó el profesor Adam Wax, líder del grupo de investigación BIOS y coautor del estudio. "En este trabajo, hemos demostrado no solo un método de alto rendimiento para analizar miles de células simultáneamente, sino también para procesar y analizar la información rápidamente. Este podría ser el paso que faltaba para llevar la MFC a la clínica".

Enlaces relacionados:
Laboratorio BIOS de la Universidad de Duke

Miembro Platino
Analizador de coagulación automatizado
Hemolumi H6
Miembro Oro
KIT DE PRUEBA POC PARA H.PYLORI
Hepy Urease Test
ANALIZADOR DE ELECTROLITOS
BKE-B
All-in-One Molecular System
AIO M160

Canales

Química Clínica

ver canal
Crédito de la imagen:  Diane E. MacDougall et al., FIND Lp(a) Machine Learning Model: Targeted Screening Enrichment of Elevated Lipoprotein(a) in Atherosclerotic Cardiovascular Disease, JACC: Advances (2026). DOI: 10.1016/j.jacadv.2026.103114

El aprendizaje automático permite orientar el cribado de lipoproteína(a) elevada

La lipoproteína(a) es un factor de riesgo independiente, determinado genéticamente, de la enfermedad cardiovascular aterosclerótica; sin embargo, el cribado rutinario sigue siendo... Más

Microbiología

ver canal
Imagen: El actual brote de BDBV en la República Democrática del Congo pone de relieve los desafíos de respuesta a infecciones raras y graves (Crédito de la imagen: 123RF)

Investigación refuerza la preparación ante brotes del virus Bundibugyo con diagnósticos más rápidos

El virus de Bundibugyo (BDBV), una especie de ebolavirus, causa una enfermedad hemorrágica grave y puede ser difícil de diagnosticar rápidamente durante los brotes. Los recientes cambios... Más

Patología

ver canal
Crédito de la imagen: Adobe Stock

Herramienta citológica de aprendizaje automático mejora la identificación de células cancerosas

El cribado citológico sigue siendo fundamental para la detección temprana del cáncer, pero su precisión depende en gran medida de la interpretación experta de las células... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.