En sesión plenaria, en LXXXVI Congreso Nacional de Urología, F. Guerrero ofreció una conferencia sobre las opciones actuales y futuras ante el fallo de la BCG (Quimiohipertermia vs Pembrolizumab vs Nadofaragene Firadenovec vs N-803). Dio una visión exhaustiva y actualizada del tema. Propuso ser proactivos desde los servicios de urología para participar con sus pacientes en ensayos clínicos, para un mayor acceso de la innovación. Recordó que hace falta formación para estar actualizados. Propuso unidades específicas de cáncer de vejiga en los hospitales.

El papel actual de la terapia trimodal en el CVMI corrió a cargo de J. Rubio. La preservación en nuestro país va aumentando, aunque de manera lenta. Él se basa en la evidencia que se tiene a la hora de explicar la posibilidad de recidiva, la necesidad de controles y los riesgos de progresión. La toxicidad tardía es poca y poco relevante. Es importante discernir entre un T2 y un T3. Sopesó que la resonancia, con datos objetivos que sean incluibles en protocolos de inteligencia artificial, ayudará en el futuro a predecir las tasas de respuesta. Uno de cada cuatro tumores tendrá recurrencias. Si el paciente tiene una recidiva tras la preservación está en una situación de riesgo. El tamaño no parece que sea una limitación para la preservación. Hay que seguir esas vejigas muy de cerca, como si fueran tumores de alto riesgo.

El tema de la enfermedad vesical oligometastásica y cúal es el papel de la cistectomía radical lo trató A. Carrión. El 50% de los tumores vesical musculo invasivo progresará a pesar del tratamiento. La supervivencia a cinco años es inferior al 15% en pacientes metastásicos. La cirugía de consolidación tras quimioterapia podría prevenir una progesión a distancia posterior y extirpar tumor residual. Se podría evitar la progresión local y con la anatomía patológica se tendría más información. En algunos pacientes muy seleccionados oligometastásicos se pueden tener respuestas de supervivencia consolidada. Entre el 14 y el 25% de los pacientes que se les hace la cistectomía tendrá una respuesta patológica completa en pieza quirúrgica. Hay pocos estudios que analicen el papel de la cistectomía en pacientes metastásicos. Un oligometastásico es aquel que tiene enfermedad metastásica limitadas en los que se puede conseguir supervivencia a largo plazo o incluso curación. Hay que ver cuál es el papel de la inmunoterapia de mantenimiento, quizá desplazará el papel de la cirugía de consolidación.

Adyuvancia en CVMI ¿Quimio o inmunoterapia? Visión de la Urología. Lo razonó J.L. Moyano. Cuando antes se haga la adyuvancia, habrá mayor supervivencia. Cada vez es más robusta la evidencia para el uso de quimioterapia adyuvante en los tumores pT3-T4, pN+ sin NAC previa. Hay aumento de supervivencia global y de tiempo libre de enfermedad. En inmunoterapia, hay resultados contradictorios en estudios con similares enfermos. Nivolumab autorizado en tumores pD-L1 más de un 1%. Tras neoadyuvancia: pT2-pT4, pN+. Sin neoadyuvancia: pT3-pT4, pN+. En pacienres que no sean adecuados para cisplatino o hayan rechazado tratamiento con cisplatino. Hay que esperar a resultados del estudio Ambassador (2025).

Aguilera Bazán se encargó de la estrategia diagnóstica y terapéutica de la masa adrenal. Si hay un órgano que se beneficia de la cirugía mínimamente invasiva es éste. Todos los tumores que sean funcionantes son de indicación quirúrgica al igual que los tumores de más de cuatro milímetros. Es subsidiario de cirugía mínimamente invasiva.

Mayo 25/2023 (IMmédico) – Tomado de Industria Farmacéutica, Urología  Copyright 2023 Copyright: Publimas Digital

El aprendizaje automático es una rama de la IA por la que los sistemas informáticos mejoran y aprenden continuamente en función de los datos y la experiencia, algo que los biólogos están utilizando para investigar las funciones centrales de los genes.

En este sentido, investigadores de la Universidad de California en San Diego (EEUU) que investigan las secuencias de ADN que activan los genes usaron inteligencia artificial para identificar una enigmática pieza del rompecabezas relacionada con la activación de genes. Este es un proceso fundamental involucrado en el crecimiento, el desarrollo y la enfermedad. Mediante aprendizaje automático, el profesor de la Facultad de Ciencias Biológicas James T. Kadonaga y su equipo descubrieron la región promotora del núcleo (DPR) aguas abajo , un código de activación de ADN de «puerta de enlace» que está involucrado en la operación de hasta un tercio de nuestros genes.

A partir de este descubrimiento, el prof.Kadonaga y los investigadores Long Vongoc y Torrey E. Rhyne han utilizado, recientemente, el aprendizaje automático para identificar secuencias de ADN «extremas sintéticas» con funciones diseñadas específicamente en la activación de genes, tal como publican en la revista ´Genes & Development´.

Los investigadores probaron millones de diferentes secuencias de ADN a través del aprendizaje automático (IA) comparando el elemento de activación del gen DPR en humanos versus moscas de la fruta ( Drosophila ). Al usar IA, pudieron encontrar secuencias DPR raras y personalizadas que están activas en humanos pero no en moscas de la fruta y viceversa. De manera más general, este enfoque ahora podría usarse para identificar secuencias de ADN sintético con actividades que podrían ser útiles en biotecnología y medicina.

«Hemos demostrado el uso de IA para el diseño de elementos de ADN personalizados en la activación de genes. Hay innumerables aplicaciones prácticas de este enfoque basado en IA. Las secuencias de ADN extremas sintéticas pueden ser muy raras, tal vez una en un millón; si existen, podrían encontrarse mediante el uso de IA. Este método debería tener aplicaciones prácticas en biotecnología e investigación biomédica», concluyó el prof. Kadonaga.

Mayo 19/2023 (IMMédico) – Tomado de Enfermedades Raras, Oncología  Copyright 2023 Copyright: Publimas Digital.

Tres estudiantes de secundaria -Andrea Olsen, de Oslo (Noruega); Zachary Harpaz, de Boca Ratón (Florida); y Chris Ren, de Shanghai (China)- son coautores de un artículo en el que utilizan un motor de inteligencia artificial (IA) generativa para el descubrimiento de dianas de Insilico Medicine («Insilico») llamado PandaOmics con el fin de identificar nuevas dianas terapéuticas para el glioblastoma multiforme (GBM). El GBM es el tumor cerebral maligno más agresivo y frecuente, y representa el 16% de todos los tumores cerebrales primarios. Los resultados se publicaron el 26 de abril en la revista Aging.

Los investigadores utilizaron PandaOmics para examinar conjuntos de datos del repositorio Gene Expression Omnibus, mantenido por el Centro Nacional de Información Biotecnológica. Identificaron tres genes fuertemente correlacionados tanto con el envejecimiento como con el glioblastoma multiforme y que podrían servir como posibles dianas terapéuticas para nuevos fármacos.

Aunque parecería haber una conexión clara entre el envejecimiento y el cáncer, Olsen dice que sus hallazgos fueron más matizados. «A veces, en lugar de envejecer, el cuerpo cambia a mecanismos cancerígenos, lo que fue realmente interesante de descubrir». Su hipótesis es que «el cuerpo intenta preservarse de una forma que vuelve a los procesos embrionarios de división celular». El GBM está causado por una mutación genética que provoca el crecimiento descontrolado de las células gliales, o células que rodean a las neuronas en el cerebro. Incluso con las terapias existentes, la supervivencia media de los pacientes con GBM es de sólo 15 meses.

Los resultados del proyecto del glioblastoma fueron presentados en la conferencia Aging Research and Drug Discovery (ARDD) de Copenhague, espacio en el que los tres adolescentes crearon la Youth Longevity Association (TYLA).

«Seleccionamos los genes que se superponían para estar altamente correlacionados en 11 de los 12 conjuntos de datos, y dividimos nuestros datos en grupos de jóvenes, de mediana edad y de ancianos», dijo Harpaz. «Lo relacionamos con la importancia de la expresión génica para la supervivencia». Tras identificar dos dianas genéticas para el glioblastoma y el envejecimiento -CNGA3 y GLUD1-, cruzaron sus hallazgos con otros anteriores de Insilico en torno a genes fuertemente correlacionados con el envejecimiento e identificaron una tercera diana: SIRT1.

«Aprendí mucho sobre la realización de un proyecto de investigación», afirma Ren, que ayudó a revisar las tres dianas. «La plataforma PandaOmics hizo que el proyecto fuera realmente accesible para mí. Como estudiante de segundo de bachillerato, no tenía experiencia suficiente para la investigación y el análisis avanzados, sin embargo, pude navegar por la plataforma PandaOmics tras un breve periodo de formación para procesar y comparar conjuntos de datos de glioblastoma.»

Los estudiantes dicen que están ansiosos por continuar sus estudios en IA y biología en la universidad y avanzar en la investigación del GBM desde el descubrimiento de objetivos hasta el desarrollo de fármacos.

La mejor manera de llevar esta investigación más allá va a ser utilizando el software Chemistry42 de Insilico, donde podemos tomar los objetivos que identificamos a través de PandaOmics y generar pequeñas moléculas, fármacos potenciales, con estos objetivos que tienen el potencial de tratar el glioblastoma y el envejecimiento al mismo tiempo, dice Harpaz.

Antes de sus prácticas en Insilico, Olsen afirma: «Nunca supe que la IA pudiera ser tan útil para encontrar dianas terapéuticas completamente nuevas. Para mí fue una oportunidad increíble de sumergirme en el campo de la investigación, el envejecimiento, la longevidad y la neurociencia».

«Estoy realmente impresionado por el compromiso de estos jóvenes investigadores», afirma Zhavoronkov, CEO y fundador de Insilico Medicine. «Espero que su trabajo inspire a otros jóvenes entusiasmados por la ciencia y la tecnología a estudiar cómo pueden utilizar herramientas de IA para descubrir nuevas dianas y tratamientos tanto para el envejecimiento como para las enfermedades.»

Sobre Insilico Medicine: 

Insilico Medicine, es una empresa de descubrimiento de fármacos de extremo a extremo impulsada por inteligencia artificial (IA) en fase clínica. Conecta la biología, la química y el análisis de ensayos clínicos mediante sistemas de IA de nueva generación. La empresa ha desarrollado plataformas de IA que utilizan modelos generativos profundos, aprendizaje por refuerzo, transformadores y otras técnicas modernas de aprendizaje automático para descubrir nuevas dianas y diseñar nuevas estructuras moleculares con las propiedades deseadas. Insilico Medicine ofrece soluciones revolucionarias para descubrir y desarrollar fármacos innovadores contra el cáncer, la fibrosis, la inmunidad, el sistema nervioso central (SNC) y las enfermedades relacionadas con el envejecimiento.

Para más información, visite www.insilico.com

Mayo 02/2023 (EurekaAlerts!) – Tomado de News Releases Copyright 2023 by the American Association for the Advancement of Science (AAAS).

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator

La secuenciación metagenómica (mNGS) es una poderosa herramienta de diagnóstico para detectar patógenos causantes en pruebas microbiológicas clínicas. La clasificación rápida y precisa de las secuencias metagenómicas es un procedimiento crítico para la identificación de patógenos en el paso de laboratorio seco de las pruebas mNGS. Sin embargo, este paso crucial puede mejorarse clasificando las secuencias en un plazo clínicamente relevante.

Para hacer frente a este reto, un equipo de BGI Genomics dirigido por Xuebin Wang ha lanzado recientemente GPMeta, un método ultrarrápido de detección de patógenos, y ha publicado estos aspectos destacados en Briefings in Bioinformatics.

GPMeta puede identificar patógenos de forma rápida y precisa a través de datos de secuenciación mNGS complejos y masivos. Utilizando conjuntos de datos simulados y conjuntos de datos de secuenciación metagenómica de muestras clínicas, los resultados se compararon con herramientas utilizadas por la comunidad de investigadores bioinformáticos como Bowtie2, Bwa, Kraken2 y Centrifuge.

Los resultados muestran que GPMeta no sólo tiene una mayor precisión, sino que también exhibe una velocidad con un incremento de velocidad significativo. Además, GPMeta ofrece un algoritmo de agrupamiento GPMetaC, un modelo estadístico para agrupar y volver a puntuar alineaciones ambiguas con el fin de mejorar la discriminación de secuencias altamente homólogas de genomas microbianos con una identidad nucleotídica media >95%. Estos resultados subrayan el papel clave de GPMeta en el desarrollo de la prueba mNGS en enfermedades infecciosas que requieren tiempos de respuesta rápidos.

Antecedentes

La detección más rápida y temprana de los patógenos causantes es fundamental para una terapia antibiótica precisa en lugar de un tratamiento empírico. Puede detectar simultáneamente casi todos los microorganismos patógenos nuevos y conocidos en el cuerpo del paciente en una sola prueba y tiene enormes aplicaciones potenciales en el diagnóstico de infecciones.

La detección de mNGS consta de dos componentes: las manipulaciones experimentales en laboratorio húmedo, que incluyen el preprocesamiento de muestras clínicas, la extracción de ácido nucleico total, la preparación de bibliotecas y la secuenciación, y el análisis bioinformático en laboratorio seco, que incluye el preprocesamiento de datos de secuenciación brutos, la eliminación de secuencias de huéspedes humanos, la alineación de secuencias con la base de datos curada de patógenos y la clasificación taxonómica de secuencias microbianas.

El análisis bioinformático es el último paso crucial en la detección de mNGS, que debe completarse con rapidez y precisión para acelerar todo el proceso de detección. Sin embargo, existe una necesidad urgente de nuevas estrategias para acelerar el análisis bioinformático de la identificación de patógenos.

Para hacer frente a este reto, GPMeta utiliza un esquema de índice hash sucinto y admite múltiples GPU para llevar a cabo en bases de datos divididas de forma simultánea, lo que satisface una necesidad creciente de la capacidad para hacer frente a un número cada vez mayor de genomas microbianos.

En el conjunto de datos de 25 millones de lecturas, GPMeta y GPMetaC sólo necesitan menos de 3 minutos para completar todo el análisis de detección.

En el conjunto de datos de 110 millones de lecturas (volumen de datos de detección mNGS convencional), GPMeta y GPMetaC sólo necesitan 4 minutos para completar todo el análisis de detección.

Cuando se aplicó a la biblioteca completa de patógenos de 190Gb, GPMeta y GPMetaC la aceleraron 39-50 y 12-35 veces respectivamente en comparación con Bwa y Bowtie2.

La detección completa y el análisis GPMeta son 18 veces y 12 veces más rápidos que Bwa y Bowtie2 respectivamente.

GPMeta admite múltiples GPUs para realizar el alineamiento y la clasificación taxonómica de secuencias microbianas en bases de datos divididas simultáneamente y fusiona automáticamente los resultados de múltiples sub-bases de datos, lo que resulta significativo para mantenerse al día con la rápida expansión de la base de datos de genomas microbianos. Para sacar el máximo partido de GPMeta, es necesario estudiar más a fondo cómo integrarla mejor y con mayor facilidad en las prácticas clínicas.

Abril 26/2023 (EurekaAlert!) – Tomado de News Releases  Copyright 2023 by the American Association for the Advancement of Science (AAAS) 

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator

Durante la formación de los cirujanos, es necesaria la intervención y supervisión se médicos más experimentados que les orienten sobre la correcta utilización de las técnicas.  Esto podría cambiar gracias a un nuevo sistema de inteligencia artificial desarrollado por investigadores de Caltech y urólogos del Keck Medicine of USC que pretende proporcionar a los cirujanos información valiosa sobre la calidad de su trabajo.

El objetivo de este nuevo Sistema de Inteligencia Artificial Quirúrgica (SAIS) es proporcionar a los cirujanos evaluaciones objetivas de su rendimiento que puedan mejorar su trabajo y, por extensión, los resultados de sus pacientes. Cuando se le proporciona un vídeo de una intervención quirúrgica, SAIS puede identificar qué tipo de cirugía se está realizando y la calidad con la que la ha ejecutado un cirujano.

El sistema se presentó a través de una serie de artículos en las revistas Nature Biomedical Engineering, Digital Medicine y Communications Medicine, publicados simultáneamente a finales de marzo de 2023.

«En entornos de alto riesgo como la cirugía robótica, no es realista que la IA sustituya a los cirujanos humanos a corto plazo», afirma Anima Anandkumar, catedrática Bren de Informática y Ciencias Matemáticas y autora principal de los estudios. «En su lugar, nos preguntamos cómo la IA puede mejorar de forma segura los resultados quirúrgicos para los pacientes, y de ahí, nuestro enfoque en hacer que los cirujanos humanos sean mejores y más eficaces a través de la IA».

SAIS se entrenó utilizando un gran volumen de datos de vídeo anotados por profesionales médicos. La actuación de los cirujanos se evaluó hasta el nivel de los movimientos individuales discretos, es decir, sujetar una aguja, clavarla en el tejido y retirarla del tejido. Tras la formación, se encargó a SAIS que revisara y evaluara la actuación de los cirujanos durante una amplia gama de procedimientos utilizando vídeos de diversos hospitales.

«SAIS tiene el potencial de proporcionar a los cirujanos información precisa, coherente y escalable», afirma Dani Kiyasseh, autor principal de los estudios, antiguo investigador postdoctoral en Caltech y ahora ingeniero sénior de IA en Vicarious Surgical. Según los investigadores, se espera que SAIS proporcione a los cirujanos orientación sobre las habilidades que deben mejorar.

Para que la herramienta sea más útil para los cirujanos, el equipo ha desarrollado la capacidad de la IA para justificar sus evaluaciones. Ahora, la IA puede informar a los cirujanos sobre su nivel de destreza y proporcionarles información detallada sobre los motivos que le han llevado a realizar esa evaluación señalando vídeos concretos.

«Hemos podido demostrar que las explicaciones de la IA coinciden a menudo con las que habrían dado los cirujanos», afirma Kiyasseh. «Las explicaciones fiables basadas en IA pueden allanar el camino para proporcionar retroalimentación cuando los cirujanos colegas no están disponibles de inmediato».

Al principio, los investigadores que probaron SAIS observaron que el sistema adolecía de un sesgo involuntario, ya que a veces la IA calificaba a los cirujanos como más o menos hábiles de lo que indicaría su experiencia, basándose únicamente en el análisis de sus movimientos generales. Para resolver este problema, los investigadores guiaron el sistema de IA para que se centrara exclusivamente en los aspectos pertinentes del vídeo quirúrgico. Este enfoque mitigó, aunque no eliminó, el sesgo, que los investigadores siguen estudiando.

«En la actualidad, la información quirúrgica derivada de los humanos no es objetiva ni escalable», afirma Andrew Hung, urólogo de la Facultad de Medicina Keck de la USC y profesor asociado de urología de dicha facultad. «La información derivada de la IA, como la que ofrece nuestro sistema, representa una gran oportunidad para proporcionar a los cirujanos información práctica».

Abril 20/2023 (MedicalXpress) – Tomado de Surgery – Health Informatics https://medicalxpress.com/news/2023-04-ai-tool-surgeon.html Copyright Medical Xpress 2011 – 2023 powered by Science X Network.

Traducción realizada con la versión gratuita del traductor www.DeepL.com/Translator