{"id":47562,"date":"2024-07-18T09:33:52","date_gmt":"2024-07-18T15:33:52","guid":{"rendered":"https:\/\/saluddigital.com\/?p=47562"},"modified":"2025-10-18T15:31:30","modified_gmt":"2025-10-18T21:31:30","slug":"metodo-estadistico-impulsado-por-ia-mejoraria-investigacion-de-tejidos-y-enfermedades","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/metodo-estadistico-impulsado-por-ia-mejoraria-investigacion-de-tejidos-y-enfermedades\/","title":{"rendered":"M\u00e9todo estad\u00edstico impulsado por IA mejorar\u00eda investigaci\u00f3n de tejidos y enfermedades"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un nuevo avance en el an\u00e1lisis de datos de tejidos podr\u00eda revolucionar la medicina de precisi\u00f3n.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de las universidades de Michigan y Brown han desarrollado un innovador m\u00e9todo computacional llamado IRIS, que promete transformar la comprensi\u00f3n de las enfermedades y el tratamiento de los tejidos. Este m\u00e9todo utiliza inteligencia artificial (IA) para proporcionar informaci\u00f3n m\u00e1s detallada sobre el desarrollo tisular, la patolog\u00eda de las enfermedades y la organizaci\u00f3n tumoral, abriendo nuevas posibilidades en la medicina de precisi\u00f3n. Los resultados de estudio fueron publicados en Nature Methods<\/em><\/a>.<\/p>

El m\u00e9todo Integrative and Reference-Informed tissue Segmentation (IRIS) combina machine learning<\/em> o aprendizaje autom\u00e1tico e IA para analizar datos complejos de tejidos. Este enfoque permite a los investigadores biom\u00e9dicos observar informaci\u00f3n m\u00e1s precisa sobre el desarrollo de tejidos y las patolog\u00edas de las enfermedades. Seg\u00fan Xiang Zhou, profesor de Bioestad\u00edstica en la Universidad de Michigan y autor principal del estudio, \u201cIRIS caracteriza directamente el paisaje celular del tejido e identifica dominios espaciales biol\u00f3gicamente interpretables, facilitando la comprensi\u00f3n del mecanismo celular subyacente a la funci\u00f3n tisular.\u201d<\/p>

IRIS aprovecha los datos generados por la transcript\u00f3mica espacialmente resuelta (SRT, en ingl\u00e9s) y utiliza la secuenciaci\u00f3n de ARN de una sola c\u00e9lula como referencia para examinar m\u00faltiples capas de tejido simult\u00e1neamente. Esto permite distinguir varias regiones con una precisi\u00f3n y velocidad computacional sin precedentes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Adem\u00e1s, se distingue de t\u00e9cnicas tradicionales que promedian los datos de las muestras de tejido, pues la SRT ofrece una vista mucho m\u00e1s granular, identificando miles de ubicaciones dentro de una sola secci\u00f3n de tejido.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En el estudio, los investigadores aplicaron IRIS a seis conjuntos de datos de SRT y compararon su desempe\u00f1o con otros m\u00e9todos de dominio espacial com\u00fanmente utilizados. IRIS super\u00f3 significativamente a los otros m\u00e9todos en t\u00e9rminos de precisi\u00f3n. \u201cEsperamos que IRIS sirva como una herramienta poderosa para el an\u00e1lisis de datos de transcript\u00f3mica espacial a gran escala en una amplia gama de sistemas biol\u00f3gicos\u201d, explic\u00f3 Ying Ma, profesora asistente de Bioestad\u00edstica en la Universidad de Brown.<\/p>

Los algoritmos de IRIS son capaces de ordenar los datos para identificar y segmentar varios dominios funcionales, como las regiones tumorales, proporcionando as\u00ed informaci\u00f3n valiosa sobre las interacciones celulares y los mecanismos de progresi\u00f3n de enfermedades. Seg\u00fan Zhou, \u201cel enfoque computacional de IRIS ofrece oportunidades sin precedentes para explorar los procesos din\u00e1micos que moldean la estructura tisular durante el desarrollo y la progresi\u00f3n de la enfermedad\u201d.<\/p>

Adem\u00e1s, con el continuo crecimiento y popularizaci\u00f3n de la tecnolog\u00eda SRT, los investigadores esperan que m\u00e9todos como IRIS contribuyan al desarrollo de intervenciones cl\u00ednicas o nuevos objetivos terap\u00e9uticos, mejorando as\u00ed los planes de tratamiento personalizados y los resultados de salud de los pacientes. Este avance tiene el potencial de revolucionar el campo de la medicina de precisi\u00f3n, proporcionando una herramienta clave para la investigaci\u00f3n de tejidos y enfermedades complejas.<\/p>

Asimismo, el estudio demostr\u00f3 que IRIS no solo mejora la precisi\u00f3n del an\u00e1lisis de datos de tejidos, sino que tambi\u00e9n acelera el proceso de descubrimiento cient\u00edfico, facilitando la comprensi\u00f3n y combate de diversas enfermedades.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

UMICH<\/strong><\/p>

https:\/\/sph.umich.edu\/news\/2024posts\/new-ai-powered-statistics-method-has-potential-to-improve-tissue-and-disease-research.html<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Un nuevo avance en el an\u00e1lisis de datos de tejidos podr\u00eda revolucionar la medicina de precisi\u00f3n. Investigadores de las universidades de Michigan y Brown han desarrollado un innovador m\u00e9todo computacional llamado IRIS, que promete transformar la comprensi\u00f3n de las enfermedades y el tratamiento de los tejidos. Este m\u00e9todo utiliza inteligencia artificial (IA) para proporcionar informaci\u00f3n m\u00e1s detallada sobre el desarrollo tisular, la patolog\u00eda de las enfermedades y la organizaci\u00f3n tumoral, abriendo nuevas posibilidades en la medicina de precisi\u00f3n. Los resultados de estudio fueron publicados en Nature Methods. El m\u00e9todo Integrative and Reference-Informed tissue Segmentation (IRIS) combina machine learning o aprendizaje autom\u00e1tico e IA para analizar datos complejos de tejidos. Este enfoque permite a los investigadores biom\u00e9dicos observar informaci\u00f3n m\u00e1s precisa sobre el desarrollo de tejidos y las patolog\u00edas de las enfermedades. Seg\u00fan Xiang Zhou, profesor de Bioestad\u00edstica en la Universidad de Michigan y autor principal del estudio, \u201cIRIS caracteriza directamente el paisaje celular del tejido e identifica dominios espaciales biol\u00f3gicamente interpretables, facilitando la comprensi\u00f3n del mecanismo celular subyacente a la funci\u00f3n tisular.\u201d IRIS aprovecha los datos generados por la transcript\u00f3mica espacialmente resuelta (SRT, en ingl\u00e9s) y utiliza la secuenciaci\u00f3n de ARN de una sola c\u00e9lula como referencia para examinar m\u00faltiples capas de tejido simult\u00e1neamente. Esto permite distinguir varias regiones con una precisi\u00f3n y velocidad computacional sin precedentes. Adem\u00e1s, se distingue de t\u00e9cnicas tradicionales que promedian los datos de las muestras de tejido, pues la SRT ofrece una vista mucho m\u00e1s granular, identificando miles de ubicaciones dentro de una sola secci\u00f3n de tejido. En el estudio, los investigadores aplicaron IRIS a seis conjuntos de datos de SRT y compararon su desempe\u00f1o con otros m\u00e9todos de dominio espacial com\u00fanmente utilizados. IRIS super\u00f3 significativamente a los otros m\u00e9todos en t\u00e9rminos de precisi\u00f3n. \u201cEsperamos que IRIS sirva como una herramienta poderosa para el an\u00e1lisis de datos de transcript\u00f3mica espacial a gran escala en una amplia gama de sistemas biol\u00f3gicos\u201d, explic\u00f3 Ying Ma, profesora asistente de Bioestad\u00edstica en la Universidad de Brown. Los algoritmos de IRIS son capaces de ordenar los datos para identificar y segmentar varios dominios funcionales, como las regiones tumorales, proporcionando as\u00ed informaci\u00f3n valiosa sobre las interacciones celulares y los mecanismos de progresi\u00f3n de enfermedades. Seg\u00fan Zhou, \u201cel enfoque computacional de IRIS ofrece oportunidades sin precedentes para explorar los procesos din\u00e1micos que moldean la estructura tisular durante el desarrollo y la progresi\u00f3n de la enfermedad\u201d. Adem\u00e1s, con el continuo crecimiento y popularizaci\u00f3n de la tecnolog\u00eda SRT, los investigadores esperan que m\u00e9todos como IRIS contribuyan al desarrollo de intervenciones cl\u00ednicas o nuevos objetivos terap\u00e9uticos, mejorando as\u00ed los planes de tratamiento personalizados y los resultados de salud de los pacientes. Este avance tiene el potencial de revolucionar el campo de la medicina de precisi\u00f3n, proporcionando una herramienta clave para la investigaci\u00f3n de tejidos y enfermedades complejas. Asimismo, el estudio demostr\u00f3 que IRIS no solo mejora la precisi\u00f3n del an\u00e1lisis de datos de tejidos, sino que tambi\u00e9n acelera el proceso de descubrimiento cient\u00edfico, facilitando la comprensi\u00f3n y combate de diversas enfermedades. BIBLIOGRAF\u00cdA UMICH https:\/\/sph.umich.edu\/news\/2024posts\/new-ai-powered-statistics-method-has-potential-to-improve-tissue-and-disease-research.html<\/p>","protected":false},"author":1,"featured_media":47564,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-47562","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/47562","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=47562"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/47562\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/47564"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=47562"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=47562"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=47562"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}