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.

Please note that the MedImaging website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Algoritmo predice recurrencia del cáncer de próstata en pacientes tratados con radioterapia

Por el equipo editorial de MedImaging en español
Actualizado el 17 Jan 2024
Print article
Imagen: El algoritmo predice la recurrencia del cáncer de próstata 15 meses más rápido en pacientes tratados por radioterapia (Fotografía cortesía de 123RF)
Imagen: El algoritmo predice la recurrencia del cáncer de próstata 15 meses más rápido en pacientes tratados por radioterapia (Fotografía cortesía de 123RF)

La radioterapia es una opción de tratamiento preponderante para pacientes con cáncer de próstata en varios niveles de riesgo. A pesar de su eficacia, entre el 20 % y el 30 % de los pacientes experimentarán una recurrencia del cáncer dentro de los cinco años posteriores al tratamiento. La detección de esta recurrencia generalmente implica monitorear los niveles del antígeno prostático específico (APE) en el suero. Sin embargo, este método puede ser lento y a menudo retrasa los tratamientos adicionales necesarios para quienes tienen tumores recurrentes. Para abordar este desafío, un equipo internacional de investigadores ha introducido una nueva metodología y algoritmo, pendiente de patente, diseñados para predecir la probabilidad de recurrencia del cáncer de próstata después de la radioterapia.

Desarrollado por especialistas de la Universidad Purdue (West Lafayette, IN, EUA), este innovador algoritmo aprovecha los datos recopilados a través del monitoreo rutinario de los pacientes. Se basa en un modelo mecanístico específico del paciente, que se informa continuamente mediante mediciones periódicas de APE, una parte estándar del seguimiento posradiación para pacientes con cáncer de próstata. La eficacia de este método se probó con datos históricos de 166 pacientes. Para cada paciente, la predicción de recurrencia del algoritmo se comparó con la ocurrencia real identificada por las prácticas clínicas tradicionales. Los hallazgos fueron prometedores e indicaron que los predictores basados en modelos podían señalar posibles recaídas, en promedio, 14,8 meses antes que los métodos convencionales. Los investigadores ahora se están centrando en perfeccionar el modelo para beneficiar a una gama más amplia de pacientes.

"Los datos del APE se utilizan junto con el modelo para obtener parámetros específicos del paciente que determinan la dinámica del APE y sirven como clasificadores de recurrencia", dijo Héctor Gómez, profesor de la Universidad Purdue. “Además de la identificación de recurrencia, nuestro modelo se puede utilizar para diseñar estrategias personalizadas de seguimiento del APE. Puede indicarles a los médicos el momento adecuado para investigar las recurrencias de tumores y maximizar la ventana de curabilidad”.

"Nuestro modelo actual se puede utilizar sólo para pacientes que no reciben ningún tratamiento adicional a la radiación", añadió Gómez. “Algunos pacientes reciben radiación y terapia hormonal simultáneamente y no pueden beneficiarse de nuestro método en este momento. Planeamos ampliar el método para que sea aplicable también a pacientes que reciben radiación y terapia hormonal simultáneamente”.

Enlaces relacionados:
Universidad de Purdue

3T MRI Scanner
MAGNETOM Cima.X
Wall Fixtures
MRI SERIES
Ultrasound Imaging System
P12 Elite
40/80-Slice CT System
uCT 528

Print article

Canales

Radiografía

ver canal
Imagen:Los gráficos ilustran cómo se ven las imágenes 3D con XACT con ejemplos del logotipo de la UC a la izquierda y una muestra de hueso a la derecha (foto cortesía de la Escuela de Medicina de UCI)

Imágenes 3D por TC a partir de una sola proyección de rayos X reducen la exposición a la radiación

La tomografía computarizada (TC) ha sido durante mucho tiempo una herramienta esencial en la obtención de imágenes modernas, ya que ofrece vistas 3D detalladas del cuerpo humano y otros materiales.... Más

Ultrasonido

ver canal
Imagen: Mapas de calor que la IA evaluó para realizar diagnósticos de enfermedades pulmonares (Foto cortesía de COVIDx-US)

IA diagnostica enfermedades pulmonares a partir de ecografías con una precisión del 96.57%

La inteligencia artificial (IA) tiene el potencial de convertirse en una herramienta crucial para los radiólogos, con avances recientes que le permiten diagnosticar con precisión neumonía,... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más

Industria

ver canal
Imagen: La colonoscopia virtual (colonografía por TC) es una opción aprobada para la detección del cáncer colorrectal en los EUA (Foto cortesía de Shtutterstock)

Bracco Diagnostics y ColoWatch se asocian para ampliar la disponibilidad de pruebas de detección de CCR mediante colonoscopia virtual

En los últimos 25 años, la colonoscopia virtual ha demostrado ser un método altamente preciso, seguro, conveniente y rentable para la prevención y detección del cáncer... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.