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 inteligencia artificial autodidacta diagnostica y predice la gravedad del cáncer de pulmón común

Por el equipo editorial de LabMedica en español
Actualizado el 20 Jun 2024
Print article
Imagen: Tres de 46 grupos de fenotipos histomorfológicos identificados por IA a partir de imágenes de tejido pulmonar canceroso (foto cortesía del Dr. N. Coudray/Nyu Grossman School of Medicine)
Imagen: Tres de 46 grupos de fenotipos histomorfológicos identificados por IA a partir de imágenes de tejido pulmonar canceroso (foto cortesía del Dr. N. Coudray/Nyu Grossman School of Medicine)

Un programa informático impulsado por inteligencia artificial (IA) y entrenado con casi medio millón de imágenes de tejidos puede diagnosticar eficazmente casos de adenocarcinoma, el tipo más prevalente de cáncer de pulmón.

El programa informático desarrollado y probado por investigadores de NYU Langone Health (Nueva York, NY, EUA) y la Universidad de Glasgow (Glasgow, Reino Unido) proporciona una segunda opinión imparcial, detallada y confiable para pacientes y oncólogos sobre la presencia del cáncer y la posibilidad de su regreso. Esto se debe a que el programa incorpora características estructurales de tumores de 452 pacientes con adenocarcinoma, que se encuentran entre los más de 11.000 pacientes del Atlas del Genoma del Cáncer del Instituto Nacional del Cáncer de EUA. Es importante destacar que el programa funciona de forma independiente y es "autodidacta", decidiendo por sí mismo qué características estructurales son más críticas para evaluar la gravedad de la enfermedad y su impacto en la recurrencia del tumor.

En su investigación, el algoritmo, conocido como aprendizaje de fenotipo histomorfológico (HPL), diferenció con éxito entre adenocarcinoma y tipos similares de cáncer de pulmón, como los cánceres de células escamosas, con una precisión del 99 %. El programa HPL también demostró una tasa de precisión del 72  % en la predicción de la probabilidad y el momento de la recurrencia del cáncer después del tratamiento, superando la precisión del 64 % lograda por los patólogos que analizaron las mismas imágenes del tumor manualmente. El equipo de investigación prevé que, con avances continuos en la comprensión de la biología del cáncer de pulmón, los patólogos revisarán cada vez más muestras de tejido en su computadora en lugar de mediante la microscopía tradicional y emplearán su programa de inteligencia artificial para analizar y visualizar más a fondo estas exploraciones.

Los investigadores pretenden utilizar el algoritmo HPL para asignar a cada paciente una puntuación de 0 a 1 que refleje su probabilidad estadística de supervivencia y recurrencia del tumor durante un máximo de cinco años. Destacan que la naturaleza de autoaprendizaje de HPL significa que la precisión del programa mejorará a medida que procese más datos con el tiempo. El equipo ahora busca desarrollar programas similares basados en inteligencia artificial para otros tipos de cáncer, como el de mama, ovario y colorrectal, que también incorporarán datos morfológicos y moleculares clave. También hay planes en marcha para mejorar la precisión del programa HPL de adenocarcinoma mediante la integración de datos adicionales de los registros médicos electrónicos de los hospitales, incluida información sobre otras enfermedades, niveles de ingresos y códigos postales residenciales.

"Nuestro nuevo programa de aprendizaje de fenotipo histomorfológico tiene el potencial de ofrecer a los especialistas en cáncer y a sus pacientes una herramienta de diagnóstico rápida e imparcial para el adenocarcinoma de pulmón que, una vez que se completen las pruebas adicionales, también se puede utilizar para ayudar a validar e incluso guiar sus decisiones de tratamiento", dijo Nicolas Coudray, PhD, programador de bioinformática de la Facultad de Medicina Grossman de la Universidad de Nueva York y el Centro Oncológico Perlmutter. "Los pacientes, médicos e investigadores saben que pueden confiar en este modelo predictivo porque es autodidacta, proporciona decisiones explicables y se basa únicamente en el conocimiento extraído específicamente del tejido de cada paciente, incluidas características tales como su proporción de células moribundas y células inmunes que combaten tumores y qué tan densamente empaquetadas están las células tumorales”. El estudio fue publicado en Nature Communications el 11 de junio de 2024.

Enlaces relacionados:
Salud Langone de la Universidad de Nueva York
Universidad de Glasgow

Miembro Oro
Hematology Analyzer
Swelab Lumi
Miembro Oro
CONTROLADOR DE PIPETA SEROLÓGICA
PIPETBOY GENIUS
New
STI Test
cobas TV/MG
New
Urine Drug Test
Instant-view Buprenorphine Urine Drug Test

Print article

Canales

Hematología

ver canal
Imagen: la nueva prueba podría mejorar la práctica de trasplante y transfusión especializados, así como los bancos sanguínos (Foto cortesía de NHS Blood and Transplant )

Nueva prueba evalúa capacidad de los glóbulos rojos para transportar oxígeno midiendo su forma

La liberación de oxígeno por parte de los glóbulos rojos es un proceso fundamental para la oxigenación de los tejidos del cuerpo, incluidos los órganos y los músculos,... Más

Inmunología

ver canal
Imagen: Concepto para el dispositivo. Las células B de memoria capaces de unir el virus de la influenza permanecen atascadas en los canales a pesar de las fuerzas de corte (Foto cortesía de Steven George/UC Davis)

Dispositivo basado en chip microfluídico mide inmunidad viral

Cada invierno surge una nueva variante de la gripe que supone un reto para el sistema inmunitario. Las personas que ya han sido infectadas o vacunadas contra la gripe pueden tener cierto nivel de protección,... Más

Microbiología

ver canal
Imagen: el lector de iFast escanea 5.000 bacterias individuales con cada muestra analizada en menos de un minuto (foto cortesía de iFAST)

Sistema de PSA de alto rendimiento utiliza tecnología de microchip para analizar muestras bacterianas

Las bacterias se están volviendo cada vez más resistentes a los antibióticos, con niveles de resistencia que van del 20 % al 98 %, y estos niveles son impredecibles.... Más

Tecnología

ver canal
Imagen: métodos de muestreo de proteínas de película de lágrimas humanas (Foto cortesía de Clinical Proteomics. 2024, 13 de marzo; 21: 23. doi: 10.1186/s12014-024-09475-8)

Nuevo método analiza lágrimas para detectar enfermedades de forma temprana

Los fluidos corporales, incluidas las lágrimas y la saliva, transportan proteínas que se liberan desde diferentes partes del cuerpo. La presencia de proteínas específicas en... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.