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




Biomarcador de IA predice riesgo de cáncer de hígado

Por el equipo editorial de LabMedica en español
Actualizado el 21 Feb 2026
Imagen: la puntuación de nicho MYCN derivada de IA predice el riesgo de cáncer de hígado antes de que se formen tumores (fotografía cortesía de Adobe Stock)
Imagen: la puntuación de nicho MYCN derivada de IA predice el riesgo de cáncer de hígado antes de que se formen tumores (fotografía cortesía de Adobe Stock)

El cáncer de hígado, o carcinoma hepatocelular, causa más de 800.000 muertes al año en todo el mundo y, a menudo, no se detecta hasta las últimas etapas. Incluso después del tratamiento, las tasas de recurrencia alcanzan entre el 70 % y el 80 %, lo que contribuye a una alta mortalidad. Identificar los hígados en riesgo antes del desarrollo de tumores sigue siendo una importante necesidad clínica insatisfecha. Ahora, una nueva investigación ha identificado un microambiente genéticamente determinado, vinculado a la formación de tumores, y ha desarrollado una puntuación de aprendizaje automático que predice el riesgo futuro de cáncer de hígado.

En un estudio, investigadores del Centro RIKEN de Ciencias Médicas Integrativas (Yokohama, Japón) se centraron en MYCN, un gen implicado en el cáncer de hígado derivado de hígados dañados, e investigaron cómo su sobreexpresión contribuye a la tumorogénesis. Mediante un sistema de transposones basado en la inyección hidrodinámica en la vena de la cola, el equipo indujo la sobreexpresión de MYCN en hígados de ratones.

Se empleó la transcriptómica espacial para mapear la actividad génica a lo largo del tiempo y la ubicación, identificando un grupo de 167 genes asociados con una mayor actividad de MYCN, denominado "nicho MYCN". Cuando MYCN se sobreexpresó junto con AKT activo de forma continua, el 72 % de los ratones desarrolló tumores hepáticos en un plazo de 50 días, con características compatibles con el carcinoma hepatocelular humano. La sobreexpresión de cualquiera de los genes por sí sola no produjo tumores.

El estudio, publicado en Proceedings of the National Academy of Sciences, introdujo un modelo de aprendizaje automático entrenado con datos espaciales de expresión génica para generar una puntuación de nicho MYCN con una precisión del 93 %. En conjuntos de datos humanos, las puntuaciones más altas se correlacionaron con un mayor riesgo de recurrencia y peores resultados, especialmente cuando se obtuvieron a partir de tejido hepático no tumoral.

La puntuación de nicho MYCN representa un biomarcador espacial capaz de identificar microambientes precancerosos antes de la aparición de tumores. Al perfilar el tejido hepático no tumoral, los médicos pueden estratificar a los pacientes según el riesgo de recurrencia y orientar las estrategias de vigilancia. Los investigadores buscan profundizar en los mecanismos biológicos subyacentes a la puntuación y explorar cómo se establecen y mantienen los microambientes propicios para el cáncer, impulsando así la prevención y la oncología de precisión.

“Hemos desarrollado una estrategia clínicamente viable para identificar pacientes de alto riesgo mediante el análisis de la expresión génica en tejido hepático no tumoral”, afirmó Xian-Yang Qin, del Centro RIKEN de Ciencias Médicas Integrativas y autor principal del estudio. “Mediante la integración de la transcriptómica espacial con el aprendizaje automático, hemos establecido una puntuación de nicho MYCN que predice el riesgo de recurrencia y detecta microambientes precancerosos predispuestos a la tumorigénesis hepática de novo”.

Enlaces relacionados:
Centro RIKEN para IMS

Miembro Oro
Nucleic Acid Extractor System
NEOS-96 XT
Software de laboratorio
Acusera 24•7
New
Repetitive Pipette
VWR® Stepper Pro
New
Analizador de coagulación automatizado
Hemolumi H6

Canales

Química Clínica

ver canal
Imagen: Diseñado originalmente para la detección del cáncer de pulmón y el monitoreo de la resistencia, la prueba también muestra potencial para identificar señales relacionadas con la fibrosis pulmonar (crédito de la imagen: iStock)

Nanosensor basado en orina monitorea cáncer de pulmón y fibrosis de forma no invasiva

El cáncer de pulmón sigue siendo difícil de monitorear para detectar progresión temprana y resistencia al tratamiento, mientras que la fibrosis pulmonar continúa planteando... Más

Diagnóstico Molecular

ver canal
Imagen: la primera autora del estudio, Emilie Newsham Novak, trabajando con las muestras en el Centro Oncológico MD Anderson de la Universidad de Texas (Fotografía cortesía de la Universidad Rice).

Muestras simuladas realistas buscan acelerar el desarrollo de pruebas de cáncer de cuello uterino

El cáncer de cuello uterino sigue siendo altamente prevenible, pero el acceso a las pruebas de detección es limitado en muchos entornos de bajos y medianos ingresos. Las pruebas de referencia... Más

Hematología

ver canal
Imagen: Resumen gráfico (Waclawiczek A, Leppä AM, Renders S, et al. Cell Stem Cell, 2026. doi:10.1016/j.stem.2026.04.012)

Los biomarcadores de células madre podrían orientar el tratamiento en la leucemia mieloide aguda

La leucemia mieloide aguda (LMA) es un cáncer de sangre agresivo que afecta con mayor frecuencia a adultos mayores y que, a pesar de los avances terapéuticos, aún presenta un pronóstico... Más

Microbiología

ver canal
Imagen: La iniciativa combina datos epidemiológicos y microbiológicos con la secuenciación del genoma completo para caracterizar los linajes hospitalarios circulantes y los determinantes de resistencia (crédito de la imagen: Shutterstock)

Vigilancia genómica a gran escala rastrea bacterias resistentes en hospitales europeos

La resistencia a los antimicrobianos (RAM) representa una amenaza creciente para la seguridad del paciente, ya que las Enterobacterales resistentes a los carbapenémicos causan infecciones difíciles... Más

Patología

ver canal
Imagen: ArteraAI Breast analiza imágenes histopatológicas digitalizadas junto con variables clínicas del paciente para producir una puntuación de riesgo derivada de IA que proporciona información de pronóstico sobre la probabilidad de metástasis a distancia (Crédito de la imagen: Adobe Stock)

Herramienta de patología digital con IA para la estratificación del riesgo en cáncer de mama

La evaluación del riesgo en el momento del diagnóstico es fundamental para guiar el tratamiento del cáncer de mama invasivo en estadio temprano, con receptor hormonal positivo y receptor 2 del factor de... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.