Calculadora clínica podría ahorrarle a pacientes con cáncer de mama 5 años de terapia hormonal
Conéctate con nosotros

Innovación

Calculadora clínica podría ahorrarle a pacientes con cáncer de mama 5 años de terapia hormonal

Esto significa que algunos pacientes pueden necesitar terapia hormonal durante cinco años y no 10, algo que según los investigadores, podría tener gran impacto psicológico y físico.

Publicado

el

Calculadora clínica podría ahorrarle a pacientes con cáncer de mama 5 años de terapia hormonal

Una nueva investigación realizada por la Universidad Queen Mary de Londres y The Royal Marsden NHS Foundation Trust confirma que un algoritmo llamado CTS5, identifica con precisión a los pacientes que tienen bajo riesgo de que su cáncer de mama regrese en una etapa posterior.

También le puede interesar: Google crea algoritmo para detectar el cáncer de pulmón.

Esto significa que algunos pacientes pueden necesitar terapia hormonal durante cinco años y no 10, algo que según los investigadores, podría tener gran impacto psicológico y físico.

A la gran mayoría de los pacientes con cáncer de mama se les prescribirá una terapia hormonal de al menos cinco años después de recibir el tratamiento estándar (cirugía, quimioterapia y / o radioterapia) para reducir el riesgo de que el cáncer regrese. 

Después de cinco años, los oncólogos junto con pacientes deben decidir si la extensión de este tipo de terapia vale la pena y es apropiada. 

La terapia hormonal puede tener efectos secundarios significativos para algunos pacientes, como debilidad de los huesos, coágulos sanguíneos, exacerbación de los síntomas de la menopausia y la carga psicológica del tratamiento continuo.

También le puede interesar: ‘AI Hospital’, la app que mide desempeño y gestión de los hospitales públicos.

El algoritmo CTS5

El algoritmo CTS5 se publicó en 2018, sin embargo, aún no se había probado en un entorno “real”, es decir, no en pacientes seleccionados de ensayos clínicos, y en mujeres tanto antes como después de la menopausia. 

La prueba CTS5 es la única herramienta de pronóstico clínico disponible para determinar la recurrencia tardía de la distancia.

En este nuevo estudio los investigadores utilizaron el CTS5 para analizar los datos de 2428 pacientes sin pruebas. 

También le puede interesar: Consumo de café no afecta al sistema circulatorio ni al corazón.

Predicción de tasas de recurrencia

El estudio confirmó que el CTS5 fue eficaz para predecir la recaída del cáncer de mama después de 5 años. 

La prueba CTS5 pudo categorizar a un grupo de 2428 pacientes con cáncer de mama en tres grupos de riesgo claro: alto, medio y bajo. 

Se encontró que el 41% de las mujeres posmenopáusicas, 700 pacientes, tenían un riesgo significativamente bajo de que el cáncer de mama reapareciera de cinco a 10 años después de su tratamiento de terapia hormonal inicial de cinco años. 

Este riesgo es tan bajo, concluyeron los investigadores; que no justificaría extender la terapia endocrina a diez años. 

La autora principal, la Dra. Ivana Sestak , del Instituto de Medicina Preventiva Wolfson de Queen Mary’s, destacó que por primera vez se pudo demostrar que el CTS5 también predice la recurrencia tardía en mujeres premenopáusicas. 

También le puede interesar: Primer fármaco en el mundo para prevenir la metástasis.

“Al probar el modelo con datos hospitalarios reales de mujeres tratadas por su cáncer de mama en etapa temprana, pudimos demostrar que el uso de nuestra calculadora es factible en el mundo real”, aseguró Sestak.

Herramienta gratuita

La calculadora en línea es gratuita para que oncólogos de todo el mundo la utilicen para determinar el riesgo de recurrencia tardía de sus pacientes. 

También le puede interesar: Crean nuevo software que permite detectar el cáncer de pulmón.

“Es muy fácil de usar y solo requiere información que esté disponible para los médicos. Ahora estamos investigando si las enfermeras de investigación podrían usar la herramienta, ayudando a liberar el tiempo de los médicos”, aseguró la experta.

La calculadora puede ser consultada en el siguiente lynk: https://www.cts5-calculator.com/.

Innovación

Proponen modelo computacional para estudiar la tuberculosis

El modelo computacional está diseñado para una mayor comprensión de las fases iniciales de infección

Publicado

el

proponen modelo computacional tuberculosis

Recientemente, se presentó en PLOS COMPUTATIONAL BIOLOGY un modelo computacional elaborado por la Unidad de Tuberculosis Experimental del Instituto de Investigación Germans Trias i Pujol (IGTP), diseñado para reproducir la dinámica de la tuberculosis en un pulmón virtual. La creación de esta herramienta está incentivada por el devastador efecto que causa la enfermedad hoy en día. Actualmente, pese a las estrategias de vacunación y el desarrollo de tratamientos, se mantiene como una de las 10 primeras causas de mortalidad en el mundo.

La enfermedad es provocada por la bacteria Mycobacterium tuberculosis, patógeno que infecta los alveolos pulmonares. Sin embargo, de acuerdo con estadísticas, un 90% de la población infectada nunca desarrolla la patología. Las complicaciones se centran en el 10% de personas que se ven afectadas por la patología, ya que se desconocen los factores principales que la desencadenan en estos individuos.

Para crear este modelo computacional, los investigadores partieron de la siguiente hipótesis: la reinfección endógena juega un papel importante en el mantenimiento de la infección latente. Para comprobarlo, desarrollaron un modelo basado en agentes que describe el crecimiento, la fusión y la proliferación de las lesiones de tuberculosis en un árbol bronquial computacional. Para que la herramienta sea funcional, el grupo de expertos creó un algoritmo interactivo que genera tubos bronquiales y bifurcaciones dentro de un volumen tridimensional de la superficie del pulmón, según explicó Clara Prats, integrante del equipo.

También le puede interesar: ESTOS SON LOS NUEVOS AJUSTES A LOS SOPORTES DE FACTURACIÓN DE SERVICIOS DE SALUD

Modelo 3D podrían predecir los avances de la tuberculosis

Además de este complejo sistema, el instrumento presentado se fundamenta en datos obtenidos por tomografías computarizadas en cinco modelos animales (minicerdos). Según el artículo, las imágenes utilizadas fueron aquellas que mostraban las etapas iniciales de infección por Mycobacterium tuberculosis. A su vez, éstas fueron las que sirvieron para generar el pulmón computarizado.

journal.pcbi .1007772.g002
Imagen de reconstrucción pulmonar. A la derecha se representa la ubicación y el tamaño de las lesiones pulmonares causadas por tuberculosis en los modelos animales. Fuente: PLOS COMPUTATIONAL BIOLOGY

“El resultado es un modelo que nos permite reproducir y comprender los datos experimentales en la computadora. Hemos podido mostrar una relación importante entre el número final de lesiones de tuberculosis y la frecuencia de reinfección endógena y el crecimiento de las lesiones”, dijo Martí Català, otro de los investigadores. El modelo también se ha utilizado como plataforma experimental in silico para explorar la transición de la infección latente a la enfermedad activa, identificando los principales factores desencadenantes: una elevada respuesta inflamatoria y la combinación de una respuesta inflamatoria moderada con una baja amplitud respiratoria.

Ante los resultados vistos con el software, los investigadores consideran que este modelo computacional permitirá hacer predicciones para futuras acciones como nuevos biomarcadores, estrategias preventivas y terapias para la tuberculosis en humanos.

También le puede interesar: ASMA EN COLOMBIA: ¿CÓMO ESTÁ LA CARGA DE LA ENFERMEDAD?

Continuar leyendo

Innovación

Uso de imágenes holográficas facilita detección de virus

Se espera que las imágenes holográficas sean un recurso de detección que pueda ser utilizado en nuevas investigaciones sobre tratamientos a las enfermedades que causan en la población

Publicado

el

imagenes holograficas deteccion virus

En el transcurso del 2020, la capacidad científica para producir nuevas herramientas ha sido puesta a prueba. Sin embargo, la utilización de imágenes holográficas es una muestra del papel destacado de la innovación en uno de los años más importantes para la medicina y el sector salud en general. La técnica fue desarrollada por un equipo de científicos de la Universidad de Nueva York (NYU), presentada en la revista Soft Matter.

De acuerdo con la publicación, el método está basado en la videomicroscopía holográfica, un sistema utilizado para la observación, representación y análisis de imágenes que se lleva a cabo gracias a rayos láser que facilitan la creación de las imágenes holográficas en pequeñas gotas. Aunque por lo general se usa para la revisión de muestras biológicas o químicas, el método creado en la NYU permitirá la detección de varios patógenos, incluyendo virus con precisión milimétrica y gran detalle.

Como se describe en la publicación, las superficies de las gotas se activan con sitios de unión bioquímica que atraen anticuerpos o partículas de virus, dependiendo de la prueba. La unión de anticuerpos o virus hace que las cuentas crezcan unas mil millonésimas de metro, lo que los investigadores de la Universidad de Nueva York han demostrado que pueden detectar a través de cambios en los hologramas que quedan en las gotas.

También le puede interesar: JOHNSON & JOHNSON SUSPENDE SU ENSAYO CLÍNICO

Imágenes holográficas: herramienta potencial en el futuro cercano

“Podemos analizar una docena de cuentas por segundo”, explica David Grier, profesor de física y uno de los integrantes del proyecto en un comunicado. “Lo que significa que podemos reducir el tiempo de una prueba de diagnóstico fiable de mil cuentas a 20 minutos. Y podemos medir esos cambios de forma rápida, fiable y barata”, añade a sus declaraciones. La innovadora herramienta de detección no solo aplica para los virus; ya que cuenta con potencial para evaluar el nivel de inmunización de cada persona.

Las gotas o perlas que se utilizan para la producción de imágenes holográficas son previamente sistematizadas con grupos de superficie. De esta manera, las gotas microscópicas se unen específicamente a los anticuerpos objetivo e impiden que otros patógenos se unan. Es decir, además de ser un test de gran precisión visual, podría ser un método eficaz para patógenos causantes de enfermedades asociadas a bacterias o virus como la tuberculosis o COVID-19.

“Este instrumento puede contar las partículas de virus dispersas en la saliva de los pacientes y también detectar y diferenciar los anticuerpos disueltos en la sangre“, añade Grier. “Esta flexibilidad se logra cambiando la composición de las gotas de prueba para modelar lo que estamos probando”. Además de lo anterior, el investigador mencionó que las gotas utilizadas comprueban la presencia de un objetivo particular, pero también puede comprobar la presencia de varios objetivos simultáneamente.

Los científicos dicen que esta capacidad puede utilizarse para desarrollar bibliotecas de gotas de testeo que pueden combinarse en kits de prueba para mezclarlas con muestras de pacientes. Esto ayudará a los médicos a distinguir entre los posibles diagnósticos, acelerar el tratamiento de los pacientes, reducir el riesgo de diagnósticos erróneos y reducir el costo de la asistencia sanitaria.

También le puede interesar: ASMA EN COLOMBIA: ¿CÓMO ESTÁ LA CARGA DE LA ENFERMEDAD?

Continuar leyendo

Innovación

Inteligencia Artificial para predecir pacientes con mayor riesgo de dolor postquirúrgico

Tres modelos de aprendizaje automático mostraron varios factores que aumentarían el riesgo de un paciente de sufrir severo dolor postoperatorio.

Publicado

el

Inteligencia Artificial para predecir pacientes con mayor riesgo de dolor postquirúrgico

La inteligencia Artificial -IA- a partir de modelos de aprendizaje automático podría predecir cuáles son los pacientes que tienen mayor riesgo de dolor severo después de una intervención quirúrgica. Adicionalmente, la IA podría también identificar los pacientes que serían mayormente beneficiados con terapias para el dolor sin uso de opioides.

La investigación presentada en la reunión anual Anesthesiology 2020, se centra en buscar la razón por la que algunos pacientes experimentan más dolor postquirúrgico llegando a necesitar dosis más altas de opioides durante periodos de tiempo más largo aumentando el riesgo de sufrir efectos adversos por consumo excesivo de estas sustancias.

Si se conoce la razón por la cual algunos pacientes sufren mayores dolores que otros, los médicos anestesiólogos podría implementar un plan de anestesia con alternativas no opioides como por ejemplo, bloqueos nerviosos, epidurales, y otros medicamentos para el dolor.

Recordemos, que en la actualidad los médicos realizan encuestas a los pacientes con el fin de identificar cuáles tienen mayor riesgo de dolor después de una operación, indagando sobre su historial de ansiedad, calidad del sueño e inclusive trastornos depresivos.

También puede leer: 93% de los países vieron afectada la continuidad de sus servicios de salud mental

Inteligencia artificial para predicciones acertadas

Con este análisis el equipo científico buscaba un método más rápido que la encuesta, haciendo uso de un sistema de aprendizaje automático, con el cual el dispositivo aprende y evoluciona en función de los datos que se le suministran.

En este sentido, crearon tres modelos de aprendizaje automático evidenciando, que el género femenino, las edades más jóvenes, la obesidad y el dolor preexistente son factores que aumentan la posibilidad de sufrir dolores severos después de una cirugía. Todos los datos salieron del análisis de los registros médicos electrónicos.

“Planeamos integrar los modelos con nuestros registros médicos electrónicos para proporcionar una predicción del dolor posquirúrgico para cada paciente”, explica Mieke A. Soens, autora principal del estudio y anestesióloga en Brigham and Women’s Hospital

Añadiendo que si se tiene la capacidad de identificar un paciente con tendencia al dolor severo, el anestesiólogo podrá ajustar el plan de anestesia del paciente para maximizar las estrategias de manejo del dolor.

También puede leer: Herramienta de edición genética, nuevo Premio Nobel de Química

Datos del estudio

El análisis constó del estudio de 5.944 pacientes que se sometieron a varias cirugías entre las que se incluye: extirpación de vesícula biliar, histerectomía, reemplazo de cadera y cirugía de próstata.

De los participantes, 22% consumieron 90 miligramos de morfina 24 horas después de la cirugía. Se utilizaron 163 factores potenciales para predecir el dolor alto postoperatorio, basándose en una búsqueda bibliográfica y consultas con expertos.

Con estas bases se crearon los tres modelos de aprendizaje automático que sustrajeron los registros médicos de los pacientes y disminuyeron los 163 factores predictores que determinaban con mayor precisión la gravedad del dolor de los pacientes y la necesidad que tenía cada uno de usar opioides para controlar el dolor.

En una segunda parte del estudio, se compararon lo que predijeron los modelos algorítmicos con el uso real de opioides para controlar el dolor en cada paciente. En este sentido, se evidenció que los tres modelos tenían un porcentaje de precisión predictiva similar, lo que quiere decir que los tres modelos pudieron determinar que personas tenían más probabilidades de tener dolor severo y necesitaban dosis más altas de opioides aproximadamente el 80% de las veces.

Finalmente, el equipo de investigadores resaltó que es de suma importancia empezar a emplear estas tecnologías para identificar de forma selectiva cuáles pacientes necesitan altas dosis de opioides para ayudar a disminuir su uso desmesurado y descontrolado.

También puede leer: Descubrimiento sobre agujeros negros gana Premio nobel de física

Continuar leyendo

Evento Gratuito

ÚNETE AL CONGRESO

btn-comprar

Innovación

Latinoamércia

Productos destacados

Tendencias

Indicadores / Cifras