En el proceso del tratamiento del cáncer, la detección temprana siempre ha sido un problema difícil. En los últimos años, las técnicas de biopsia líquida han recibido mucha atención debido a su naturaleza no invasiva y alta sensibilidad. Sin embargo, las técnicas de detección existentes dependen en gran medida de la secuenciación dirigida profunda, lo que dificulta la integración de múltiples tipos de datos y, por lo tanto, afecta la sensibilidad y la especificidad. Para abordar esta deficiencia tecnológica, un equipo de investigación de la Universidad de Oxford ha desarrollado un nuevo método de detección multimodal de ADN tumoral circulante (ctDNA) basado en la secuenciación de borano de piridina asistida por TET (TAPS) de todo el genoma. La mayor ventaja de este método es...

En las cirugías de tumores, la detección y extirpación oportunas del tejido tumoral residual ha sido un desafío constante en el ámbito médico, especialmente en cirugías de tumores cerebrales y otros cánceres sólidos. A pesar de los avances en la tecnología médica, el tumor residual sigue afectando el pronóstico y la calidad de vida de los pacientes, además de suponer una enorme presión para el sistema sanitario. En Estados Unidos, las cirugías de reparación y los tratamientos posteriores necesarios debido a tumores residuales cuestan más de 1000 millones de dólares anuales. Nota sobre la imagen: Imagen generada por IA, servicio de licencias de imágenes Midjourney. Para abordar este problema, la Universidad de Michigan y la Universidad de California, San Francisco...

Científicos estadounidenses han publicado recientemente un importante hallazgo en la revista Nature: el modelo de inteligencia artificial FastGlioma, desarrollado conjuntamente por la Universidad de Michigan y la Universidad de California, San Francisco, puede determinar rápidamente la presencia de residuos de tumor canceroso en cirugía cerebral en 10 segundos, lo que supone un avance revolucionario para la neurocirugía. Esta innovación combina la imagen óptica microscópica con modelos básicos de IA. El equipo de investigación utilizó más de 11.000 muestras quirúrgicas y 4 millones de imágenes microscópicas para el preentrenamiento, empleando la técnica de imagen de tejido Raman estimulada desarrollada por la Universidad de Michigan.

Un equipo de investigación del Instituto Karolinska de Suecia ha desarrollado un dispositivo de nanorobots de ADN. Este dispositivo lleva un 'arma' que solo se activa en el microambiente tumoral. En experimentos con ratones, se logró una reducción efectiva del 70% en el crecimiento tumoral.

Investigadores holandeses han desarrollado un algoritmo llamado Sturgeon que puede identificar el tipo de tumor cerebral en 90 minutos. El algoritmo se basa en la tecnología de secuenciación de nanopozos, capaz de leer secuencias de bases de muestras de ADN en tiempo real. Después del entrenamiento y las pruebas, el algoritmo identificó correctamente el tipo de tumor cerebral en 18 casos en 40 minutos. Al identificar los subtipos de tumores cerebrales, los cirujanos pueden ajustar sus estrategias quirúrgicas. Los investigadores esperan validar aún más la tecnología y compararla con los métodos estándar.