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.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

MicroARN permiten diferenciar los melanomas de los nevos

Por el equipo editorial de MedImaging en español
Actualizado el 24 Oct 2019
Un estudio nuevo muestra cómo una plataforma de discriminación óptica puede detectar características malignas en un tumor melanocítico utilizando patrones específicos de los microARN (miARN).

La nueva técnica, desarrollada en la Universidad de California, San Francisco (UCSF; EUA), la Universidad de Utah (Salt Lake City, EUA) y otras instituciones, aplica una tubería basada en el aprendizaje automático a un conjunto de datos que consta de características genéticas, características clínicas y secuenciación de microARN de próxima generación a muestras de tejidos, para diferenciar los melanomas y sus nevos precursores benignos adyacentes. La técnica de aprendizaje automático puede detectar ocho relaciones de expresión específicas de patrones de miARN en los cortes microdisecados.

Imagen: La secuenciación de microARN y los algoritmos ópticos pueden detectar células de melanoma en los tumores de piel (Fotografía cortesía de Rodrigo Torres / UCSF).
Imagen: La secuenciación de microARN y los algoritmos ópticos pueden detectar células de melanoma en los tumores de piel (Fotografía cortesía de Rodrigo Torres / UCSF).

Para el estudio, los investigadores examinaron 82 muestras de biopsia de lunares y melanomas malignos, 41 de cada tipo, tomadas de los registros médicos de la sección de dermatopatología de la UCSF. Luego compararon el nuevo método óptico de detección de células de melanoma maligno con los resultados reales registrados. Los resultados revelaron una sensibilidad del 81% y una especificidad del 88%, que no fue influenciada ni por la edad del paciente ni por la presencia de una gran cantidad de células benignas en el mismo tumor. El estudio fue publicado el 20 de junio de 2019 en la revista Journal of Investigative Dermatology.

“Descubrimos que al desarrollar un clasificador basado en una proporción de miARN diagnósticamente importante, podíamos proporcionar un biomarcador más robusto que fuera menos susceptible a los cambios en el contenido y la plataforma de las células tumorales”, dijo el autor principal, Rodrigo Torres, PhD, de la UCSF.

“Las ventajas de usar miARN para diferenciar tumores melanocíticos benignos y malignos incluyen el hecho de que son fáciles de obtener de los fluidos corporales, son estables, de bajo costo para medir y no requieren técnicas muy invasivas o una gran cantidad de tejido”.

Un miARN es un tramo corto de ARN no codificante que actúa para detener la producción de proteína por el ARN como y cuando está indicado, uniéndose típicamente a una parte del ARN que no está involucrada en la codificación de proteínas. Las variaciones del perfil de expresión de miARN entre los tejidos, las relaciones entre ellos y las características genéticas y clínicas pueden ayudar a identificar el tejido del que se origina un tumor.

Enlace relacionado:
Universidad de California, San Francisco
Universidad de Utah


Miembro Oro
Ultrasound System
FUTUS LE
Miembro Oro
Electrode Solution and Skin Prep
Signaspray
Ferromagnetic Hand-Held Detector
FerrAlert Target Scanner
Miembro Plata
Solid State Kv/Dose Multi-Sensor
AGMS-DM+

Últimas Imaginología General noticias

Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC

El algoritmo de aprendizaje profundo basado en TC diferencia con precisión las fracturas vertebrales benignas de las malignas

Tecnología innovadora revoluciona imágenes mamarias