![\"Un](\"https:\/\/journalofartificialintelligence.com\/\/es\/wp-content\/uploads\/shared\/cigarette-932861_640.jpg\")
<\/p>\n<\/p>\n
El c\u00e1ncer de pulm\u00f3n sigue siendo la principal causa de muerte relacionada con el c\u00e1ncer en el mundo. Entre los tratamientos disponibles, la inmunoterapia ha demostrado beneficios significativos para los pacientes con c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as, una forma com\u00fan y agresiva de la enfermedad. Sin embargo, no todos los pacientes responden de la misma manera a este tipo de tratamiento, y identificar a aquellos que m\u00e1s se beneficiar\u00e1n es un desaf\u00edo mayor.<\/p>\n
Un avance reciente combina el an\u00e1lisis de im\u00e1genes m\u00e9dicas y el estudio de los tejidos tumorales para predecir con precisi\u00f3n la expresi\u00f3n de una prote\u00edna clave, la PD-L1, que desempe\u00f1a un papel central en la respuesta a la inmunoterapia. Esta prote\u00edna, presente en la superficie de las c\u00e9lulas cancerosas, permite al sistema inmunitario reconocer y atacar el tumor. Su nivel de expresi\u00f3n se utiliza a menudo para determinar si un paciente es elegible para la inmunoterapia.<\/p>\n
Hasta ahora, la detecci\u00f3n de la PD-L1 se basaba principalmente en pruebas de laboratorio que requer\u00edan muestras de tejido, un m\u00e9todo a veces limitado por la variabilidad de los resultados y la disponibilidad de las muestras. Para superar estos obst\u00e1culos, un equipo de investigadores ha desarrollado un modelo innovador que fusiona datos de esc\u00e1neres y an\u00e1lisis microsc\u00f3picos de tejidos te\u00f1idos. Este modelo utiliza t\u00e9cnicas avanzadas para extraer informaci\u00f3n tanto macrosc\u00f3pica, como la forma y la textura del tumor visible en las im\u00e1genes, como microsc\u00f3pica, como las caracter\u00edsticas celulares observadas bajo el microscopio.<\/p>\n
El estudio se llev\u00f3 a cabo con 328 pacientes con c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as. Los investigadores dividieron a estos pacientes en tres grupos para entrenar, validar y probar el modelo. Los resultados mostraron que este enfoque combinado era m\u00e1s eficiente que los modelos basados \u00fanicamente en im\u00e1genes o en el an\u00e1lisis de tejidos. Permiti\u00f3 predecir con gran precisi\u00f3n si un tumor expresaba o no la prote\u00edna PD-L1, con tasas de \u00e9xito superiores al 90 % en algunos casos.<\/p>\n
Para ir m\u00e1s all\u00e1, el modelo tambi\u00e9n se prob\u00f3 en un grupo de 47 pacientes bajo inmunoterapia. Los resultados revelaron que los pacientes para los cuales el modelo predec\u00eda una alta expresi\u00f3n de PD-L1 ten\u00edan una supervivencia sin progresi\u00f3n de la enfermedad y una supervivencia global significativamente mejores. Esto sugiere que este modelo podr\u00eda no solo ayudar a identificar a los pacientes elegibles para la inmunoterapia, sino tambi\u00e9n predecir su respuesta al tratamiento.<\/p>\n
Una de las ventajas principales de este m\u00e9todo es que utiliza datos ya disponibles en el marco del diagn\u00f3stico est\u00e1ndar, como los esc\u00e1neres y las l\u00e1minas histol\u00f3gicas. Por lo tanto, no requiere muestras adicionales, lo que reduce los costos y la carga para los pacientes. Adem\u00e1s, podr\u00eda resultar \u00fatil en situaciones donde las muestras de tejido son insuficientes o cuando los resultados de las pruebas tradicionales son inciertos.<\/p>\n
Este modelo abre as\u00ed el camino a una medicina m\u00e1s precisa, donde las decisiones de tratamiento podr\u00edan adaptarse seg\u00fan las caracter\u00edsticas espec\u00edficas de cada tumor. Representa un paso importante hacia un manejo personalizado del c\u00e1ncer de pulm\u00f3n, ofreciendo a los m\u00e9dicos una herramienta adicional para optimizar las estrategias terap\u00e9uticas y mejorar el pron\u00f3stico de los pacientes.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1186\/s13244-026-02322-4<\/a><\/p>\n Titre\u00a0:<\/strong> A radio-pathological fusion model for predicting PD-L1 expression and immunotherapy response in non-small cell lung cancer<\/p>\n Revue : <\/strong> Insights into Imaging<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Dingpin Huang; Fangyi Xu; Yi Gan; Liya Ding; Kaihua Lou; Yongcen Li; Dong Xie; Haiping Zhang; Lei Shi; Rui Xu; Hongjie Hu<\/p>\n","protected":false},"excerpt":{"rendered":" Un modelo innovador predice la eficacia de la inmunoterapia en el c\u00e1ncer de pulm\u00f3n El c\u00e1ncer de pulm\u00f3n sigue siendo la principal causa de muerte relacionada con el c\u00e1ncer en el mundo. Entre los tratamientos disponibles, la inmunoterapia ha demostrado beneficios significativos para los pacientes con c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as, una forma… Seguir leyendo Un modelo innovador predice la eficacia de la inmunoterapia en el c\u00e1ncer de pulm\u00f3n<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7,10,2],"tags":[],"class_list":["post-61","post","type-post","status-publish","format-standard","hentry","category-internacional","category-politica","category-salud","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts\/61","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/comments?post=61"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts\/61\/revisions"}],"predecessor-version":[{"id":62,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/posts\/61\/revisions\/62"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/media?parent=61"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/categories?post=61"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/es\/wp-json\/wp\/v2\/tags?post=61"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}