IA combinada con imágenes infrarrojas clasifica automáticamente los tumores
Por el equipo editorial de LabMedica en español Actualizado el 17 Feb 2023 |
En los últimos años, ha habido un avance masivo en los tratamientos disponibles para el cáncer de colon. Para garantizar que estas terapias, como las inmunoterapias, sean efectivas, es importante diagnosticar con precisión al paciente individual para brindar un tratamiento específicamente diseñado. Ahora, los investigadores han emparejado la inteligencia artificial (IA) con imágenes infrarrojas (IR) para desarrollar un método automatizado y preciso para diagnosticar el cáncer de colon y adaptar los tratamientos al paciente. Esta técnica automatizada y sin etiquetas complementa los métodos existentes para el análisis de muestras de tejido.
En el transcurso de los últimos años, un equipo de investigación del Centro de Diagnóstico de Proteínas (PRODI) de la Universidad Ruhr de Bochum (Bochum, Alemania) ha estado trabajando en la creación de un nuevo método de imagen digital conocido como imágenes IR sin etiquetas. Este método mide la composición genómica y proteómica del tejido examinado, proporcionando información molecular basada en los espectros infrarrojos. Luego, la información se decodifica utilizando IA y se muestra como imágenes en color falso utilizando métodos de análisis de imágenes del campo del aprendizaje profundo.
El equipo de PRODI demostró exitosamente que mediante el uso de redes neuronales profundas era posible determinar de forma eficaz el estado de los microsatélites, un parámetro relevante desde el punto de vista pronóstico y terapéutico, en el cáncer de colon. En este proceso, la muestra de tejido pasa por un proceso automatizado estandarizado e independiente del usuario y permite la clasificación diferencial espacialmente resuelta del tumor en una hora. Por otro lado, el diagnóstico clásico se utiliza para determinar el estado de los microsatélites, ya sea mediante inmunotinción compleja de varias proteínas o mediante análisis de ADN.
Las opciones de terapia en constante mejora han hecho que la determinación rápida y sin complicaciones de tales biomarcadores sea extremadamente importante. Basándose en datos microscópicos de IR, los investigadores modificaron, optimizaron y entrenaron redes neuronales para establecer diagnósticos sin etiquetas. A diferencia de la inmunotinción, el nuevo método no necesita colorantes y es mucho más rápido que el análisis de ADN.
"Pudimos demostrar que la precisión de las imágenes IR para determinar el estado de los microsatélites se acerca al método más común utilizado en la clínica, la inmunotinción", dijo la estudiante de doctorado Stephanie Schörner.
Enlaces relacionados:
Universidad Ruhr de Bochum
Últimas Patología noticias
- Innovador dispositivo de extracción de sangre supera obstáculos comunes relacionados con la flebotomía
- Dispositivo POC intraoperatorio distingue entre quistes ováricos benignos y malignos en 15 minutos
- Prueba simple de biopsia de piel detecta el Parkinson y enfermedades neurodegenerativas relacionadas
- Herramienta bioinformática para identificar alteraciones cromosómicas en células tumorales puede mejorar diagnóstico del cáncer
- Dispositivo del tamaño de una moneda aísla rápidamente plasma sanguíneo para diagnósticos clínicos más rápidos y precisos
- IA predice propagación del cáncer al cerebro a partir de imágenes de biopsia de pulmón
- Tecnología de microagujas mejorada acelera extracción de muestra de líquido intersticial para diagnóstico de enfermedades
- IA supera a patólogos expertos en predicción de propagación del cáncer de pulmón
- Primer prototipo para aplicar IA al diagnóstico colorrectal
- Nueva prueba identifica cánceres de ovario agresivos más temprano
- Instrumento compacto de detección fotoacústica mejora diagnóstico biomédico de tejidos
- Dispositivo de esponja en cápsula no endoscópica ayuda a detectar cáncer de esófago
- Sistema de citología digital ofrece tecnología de próxima generación para prueba de Papanicolaou
- Red neuronal reconoce cáncer de mama en muestras histológicas con 100 % de precisión
- Modelo de aprendizaje automático calcula éxito de quimioterapia en pacientes con cáncer de hueso
- Herramienta de IA analiza rápidamente actividades genéticas en imágenes médicas para resaltar cánceres ocultos