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




Análisis de sangre con aprendizaje automático predice respuesta a inmunoterapia en pacientes con linfoma

Por el equipo editorial de LabMedica en español
Actualizado el 08 Apr 2025
Print article
Imagen: la nueva herramienta mide la inflamación de la sangre como marcador para los resultados desfavorables de la terapia CAR T (foto cortesía de City of Hope)
Imagen: la nueva herramienta mide la inflamación de la sangre como marcador para los resultados desfavorables de la terapia CAR T (foto cortesía de City of Hope)

La terapia de células T con receptores de antígenos quiméricos (CAR) se ha convertido en uno de los avances recientes más prometedores en el tratamiento de los cánceres hematológicos. Sin embargo, más de la mitad de los pacientes con linfoma no Hodgkin (LNH) que no responden a los tratamientos convencionales también experimentan una recaída o progresión de la enfermedad en los seis meses posteriores a la terapia CAR T. Por ello, se ha desarrollado una nueva herramienta que utiliza aprendizaje automático para predecir la posible respuesta de un paciente con LNH a la terapia CAR T antes de iniciar el tratamiento.

Llamada InflaMix (Modelo de Mezcla de Inflamación), esta innovadora herramienta fue desarrollada por investigadores de City of Hope (Duarte, CA, EUA) para evaluar la inflamación, que se considera una causa potencial del fracaso del tratamiento con CAR T, mediante la prueba de varios biomarcadores sanguíneos en 149 pacientes con LNH. Utilizando el aprendizaje automático, una forma de inteligencia artificial que analiza datos a través de algoritmos para identificar patrones y extraer conclusiones, el modelo pudo identificar un biomarcador inflamatorio a través de un conjunto de análisis de sangre que no se utilizan típicamente en la práctica clínica estándar. Al examinar la firma inflamatoria identificada por InflaMix, los investigadores encontraron una asociación significativa con un mayor riesgo de fracaso del tratamiento con CAR T, incluyendo un mayor riesgo de muerte o recaída. Cabe destacar que InflaMix es un modelo no supervisado, lo que significa que fue entrenado sin conocimiento previo de los resultados clínicos.

El equipo de investigación observó que el modelo de aprendizaje automático es altamente adaptable, mostrando un buen rendimiento incluso al utilizar solo seis análisis de sangre comúnmente disponibles (pruebas que se evalúan típicamente en pacientes con linfoma) para evaluar la funcionalidad de InflaMix con menos datos. Esta característica es importante, ya que sugiere que la prueba podría ser accesible para una amplia gama de pacientes con linfoma. Para validar sus hallazgos iniciales, los investigadores estudiaron tres cohortes independientes, compuestas por 688 pacientes con LNH con diversas características clínicas y subtipos de enfermedad que habían recibido diferentes productos CAR T. En el futuro, el equipo planea explorar si la inflamación identificada por InflaMix afecta directamente la función de las células CAR T e investigar las causas subyacentes de esta inflamación.

“Estos estudios demuestran que, mediante el aprendizaje automático y los análisis de sangre, podríamos desarrollar una herramienta altamente fiable que ayude a predecir quién responderá bien a la terapia con células CAR T”, afirmó Marcel van den Brink, MD, Ph.D., presidente de City of Hope Los Angeles y del Centro Médico Nacional City of Hope, y autor principal del artículo publicado en Nature Medicine. “InflaMix podría utilizarse para identificar con fiabilidad a los pacientes que están a punto de recibir tratamiento con células CAR T y que presentan un alto riesgo de que el tratamiento no funcione. Al identificar a estos pacientes, los médicos podrían diseñar nuevos ensayos clínicos que potencien la eficacia de la terapia con células CAR T mediante estrategias de tratamiento adicionales”.

Enlaces relacionados:
City of Hope

Miembro Oro
ENSAYOS TDM PARA ANTIPSICÓTICOS
Saladax Antipsychotic Assays
Verification Panels for Assay Development & QC
Seroconversion Panels
New
Troponin I Test
Quidel Triage Troponin I Test
New
Respiratory QC Panel
Assayed Respiratory Control Panel

Print article

Canales

Microbiología

ver canal
Imagen: representación esquemática que ilustra los hallazgos clave del estudio (foto cortesía de la UNIST)

Innovadora tecnología disgnóstica identifica infecciones bacterianas con precisión de casi 100 % en tres horas

La identificación rápida y precisa de microbios patógenos en muestras de pacientes es esencial para el tratamiento eficaz de enfermedades infecciosas agudas, como la sepsis.... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.