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
LGC Clinical Diagnostics

Deascargar La Aplicación Móvil




Herramienta de IA utiliza imágenes digitalizadas de portaobjetos completos para el manejo del cáncer de próstata

Por el equipo editorial de LabMedica en español
Actualizado el 30 Sep 2024
Imagen: Un mapa de grupos de diferentes patrones de cáncer de próstata detectados por la herramienta de IA PATHOMIQ PRAD a partir de imágenes de tejido teñido (Foto cortesía de Nair, et al. (2024), European Urology)
Imagen: Un mapa de grupos de diferentes patrones de cáncer de próstata detectados por la herramienta de IA PATHOMIQ PRAD a partir de imágenes de tejido teñido (Foto cortesía de Nair, et al. (2024), European Urology)

Las estimaciones de cáncer de próstata para Estados Unidos en 2024 incluyen aproximadamente 299.010 casos nuevos y alrededor de 35.250 muertes. Entre los pacientes del grupo de riesgo intermedio, alrededor del 60 % carece de un plan de tratamiento claro y entre el 30 y el 50 % experimenta una progresión del cáncer después de la terapia inicial. La identificación temprana de los pacientes con mayor riesgo de progresión rápida de la enfermedad es fundamental para mejorar los resultados. Los avances recientes en inteligencia artificial (IA), en particular en aprendizaje profundo, han acelerado el desarrollo de nuevas tecnologías que utilizan imágenes médicas para predecir enfermedades con mayor precisión. Los investigadores han desarrollado una herramienta impulsada por IA para mejorar el tratamiento y el pronóstico del cáncer de próstata.

La herramienta, llamada PATHOMIQ_PRAD, fue creada por investigadores de la Escuela de Medicina Icahn en Mount Sinai (Nueva York, NY, EUA) en colaboración con PathomIQ, Inc (Cupertino, CA, EUA). Está enfocada en pacientes con cáncer de próstata de riesgo intermedio y utiliza aprendizaje profundo para extraer características morfológicas de conjuntos de datos basados en imágenes de portaobjetos completos teñidos con hematoxilina y eosina, provenientes de biopsias o cirugías. La herramienta ayuda a identificar a los pacientes con mayor riesgo de progresión rápida de la enfermedad y tiene como objetivo proporcionar predicciones más precisas para una intervención más temprana, lo que conduce a planes de tratamiento más específicos y personalizados. Las puntuaciones de PATHOMIQ_PRAD varían de 0 a 1, donde las puntuaciones más altas significan características de alto riesgo. El estudio utilizó grandes conjuntos de datos para clasificar a los pacientes en grupos de alto y bajo riesgo según los puntos de corte clínicos preestablecidos de 0,45 para la recurrencia bioquímica (BCR) y 0,55 para la metástasis, que se determinaron en función de factores como la probabilidad de recurrencia o propagación del cáncer.

Los hallazgos publicados en la edición digital de European Urology muestran que PATHOMIQ_PRAD superó a las herramientas de referencia existentes para predecir los resultados a cinco años en el campo del cáncer. Los investigadores planean realizar estudios de validación clínica a gran escala con una población de pacientes más diversa. También están buscando la aprobación regulatoria para desarrollar PATHOMIQ_PRAD como una prueba desarrollada en laboratorio, lo que permitirá que esté disponible en laboratorios certificados por CLIA. Además, el equipo está trabajando para integrar la herramienta con métodos avanzados de perfil genómico, como la transcriptómica espacial y la citometría de masas, con el fin de profundizar en la comprensión de los factores biológicos detrás de las regiones identificadas por PATHOMIQ_PRAD.

 “Al analizar varios tipos de tejido (células epiteliales, estromales e inmunitarias), genera una puntuación detallada para cada paciente, previendo los resultados y ofreciendo una nueva y poderosa forma de guiar las decisiones de tratamiento”, dijo Dimple Chakravarty, PhD, profesora adjunta de Urología en Icahn Mount Sinai. “La nuestra es la primera herramienta de IA diseñada específicamente para pacientes con cáncer de riesgo intermedio que es tanto escalable como generalizable. Se puede utilizar para la estratificación del riesgo a partir de muestras de biopsia y cirugía. Es asequible, rápida y adaptable para su uso en varios entornos sanitarios.

Enlaces relacionados:
Escuela de Medicina Icahn en el Monte Sinaí
PathomIQ, Inc.

Miembro Platino
PRUEBA DE INMUNOENSAYO DE XILAZINA
Xylazine ELISA
Magnetic Bead Separation Modules
MAG and HEATMAG
PRUEBA DE ANTIPÉPTIDO CÍCLICO CITRULINADO
GPP-100 Anti-CCP Kit
Miembro Oro
KIT DE EXTRACCIÓN DE ADN
MagMAX DNA Multi-Sample Ultra 2.0 Kit

Canales

Química Clínica

ver canal
Imagen: la QIP-MS podría predecir y detectar la recaída del mieloma más temprano en comparación con las técnicas utilizadas actualmente (foto cortesía de Adobe Stock)

Monitorización con espectrometría de masas predice e identifica recaída temprana del mieloma

El mieloma, un tipo de cáncer que afecta la médula ósea, es actualmente incurable, aunque muchos pacientes pueden vivir más de 10 años tras el diagnóstico.... Más

Inmunología

ver canal
Imagen: la prueba de células madre del cáncer puede elegir con precisión tratamientos más efectivos (fotografía cortesía de la Universidad de Cincinnati)

Prueba de células madre predice resultado del tratamiento en cáncer de ovario resistente al platino

El cáncer de ovario epitelial suele responder inicialmente a la quimioterapia, pero con el tiempo, el tumor desarrolla resistencia a la terapia, lo que provoca su recrecimiento. Esta resistencia... Más

Tecnología

ver canal
Imagen: Ziyang Wang y Shengxi Huang han desarrollado una herramienta que permite ideas precisas sobre proteínas virales y marcadores de enfermedades cerebrales (foto cortesía de Jeff Fitlow/Universidad Rice)

Algoritmo de firma ligera permite diagnósticos médicos más rápidos y precisos

Cada material o molécula interactúa con la luz de forma única, creando un patrón distintivo, similar a una huella dactilar. La espectroscopia óptica, que consiste en... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.