I+D+I

Un biomarcador de uso común predice la supervivencia en el carcinoma gastroesofágico

un-biomarcador-de-uso-comun-predice-la-supervivencia-en-el-carcinoma

Sus elevaciones circulantes antes de la cirugía de resección se asocian a prognosis adversa, según datos de un nuevo estudio.

Científicos de la Universidad Médica de Viena han establecido que la proporción entre el fibrinógeno y la albúmina (PFA) en el suero es factor pronóstico independiente, predictivo de supervivencia global (SG), en pacientes con tumores en la región gastroesofágica. En el total de 135 pacientes evaluados la SG fue significativamente ... + leer más


Artículos relacionados


Osteopontina e IL-8, prometedores biomarcadores circulantes en la prognosis del melanoma avanzado

Lola hanging out in the beach

Su cuantificación mediante una tecnología de detección de múltiples analitos predice la supervivencia y la respuesta a las terapias dirigidas. + leer más

Siete biomarcadores simplifican la prognosis en el carcinoma hepatocelular

Lola hanging out in the beach

Un modelo basado en la expresión de genes relacionados con el metabolismo del ácido araquidónico predice la supervivencia global y la respuesta a la inmunoterapia. + leer más

Un biomarcador de uso común predice la supervivencia en el carcinoma gastroesofágico

Sus elevaciones circulantes antes de la cirugía de resección se asocian a prognosis adversa, según datos de un nuevo estudio. + leer más

El valor de los ARN circulares en la prognosis del mieloma múltiple

El mayor estudio de su clase realizado hasta la fecha identifica en las células plasmáticas de pacientes ARNs individuales asociados a los desenlaces clínicos. + leer más

Dos biomarcadores de fácil detección para la prognosis en pacientes con tumores sólidos

Un análisis realizado en pacientes tratados con inmunoterapia demuestra la asociación de dos variantes del CD27 con la supervivencia. + leer más

La IA mejora la fiabilidad de los biomarcadores pronósticos en el cáncer colorrectal

Dos rasgos tumorales determinados mediante Deep Learning podrían complementar a otras variables clínicas e histológicas en la estratificación de riesgo de los pacientes. + leer más