CLASIFICACIÓN DE LAEXPRESIÓN
DELRECEPTOR 2 DELFACTOR DE CRECIMIENTO EPIDÉRMICO HUMANO ENTEJIDO MAMARIO CANCEROSO MEDIANTE INTELIGENCIAARTIFICIAL
Prevalencia del VPH y Factores de Riesgo Asociados en Estudiantes Universitarias de la Facultad de Ciencias de la Salud
El Papel de la Microbiota Intestinal en la Ansiedad, la Depresión y Otros Trastornos Mentales
Obesidad sarcopénica: importancia del diagnóstico y tratamiento en niños y adolescentes
Dispositivo individual de un solo uso que contiene
todos los reactivos necesarios para realizar el ensa
Capacidad multiparamétrico: Procesa hasta 30 diferentes pruebas por corrida.
La velocidad permite obtener resultados simultáneos de diferentes paneles.
El primer resultado se obtiene antes de 90 minutos.
Volumen de muestra:
La muestra se dispensa manualmente ELISA:
Mínimo de muestra 60 uL.
Enfermedades Infecciosas
ADENOVIRUS IgA
ADENOVIRUS IgG
BORDETELLA PERTUSSIS IgA
BORRELIA IgG
BORRELIA IgM
BRUCELLA IgG
BRUCELLA IgM
CHIKUNGUNYA IgG
CHIKUNGUNYA IgM
CHLAMYDOPHILA PNEUMONIAE IgA
CHLAMYDOPHILA PNEUMONIAE IgG
CHLAMYDOPHILA PNEUMONIAE IgM
CLOSTRIDIUM DIFFICILE A/B TOXINS
CLOSTRIDIUM DIFFICILE GDH
COXACKIE VIRUS A MIX
COXACKIE VIRUS B MIX
CYTOMEGALOVIRUS IgG
CYTOMEGALOVIRUS IgG AVIDITY
CYTOMEGALOVIRUS IgM
DENGUE IgG
DENGUE IgM
DIPHTERIA IgG
ECHINOCOCCUS IgG
ECHO VIRUS N MIX
ECHO VIRUS P MIX
EPSTEIN-BARR EARLY ANTIGEN IgG
EPSTEIN-BARR EARLY ANTIGEN IgM
EPSTEIN-BARR EBNA IgG
EPSTEIN-BARRVCA IgG
EPSTEIN-BARR VCA IgM II
HELICOBACTER PYLORI IgA
HELICOBACTER PYLORI IgG
HSV1 SCREEN
HSV2 SCREEN
HERPES SIMPLEX 1 IgG Recombinant
HERPES SIMPLEX 1+2 IgM
HERPES SIMPLEX 2 IgG Recombinant
INFLUENZA A IgA
INFLUENZA A IgG
INFLUENZA B IgA
INFLUENZA B IgG
LEGIONELLA PNEUMOPHILA
LEGIONELLA PNEUMOPHILA 1 IgG
LEGIONELLA PNEUMOPHILA 1-6 IgG
LEGIONELLA PNEUMOPHILA IgM
LEGIONELLA URINARY ANTIGEN
LEPTOSPIRA MIX
LISTERIA MONOCYTOGENES
MEASLES IgG
MEASLES IgM
MUMPS IgG
MUMPS IgM
MYCOPLASMA PNEUMONIAE IgA
MYCOPLASMA PNEUMONIAE IgG
MYCOPLASMA PNEUMONIAE IgM
PARAINFLUENZA MIX
Parvovirus B19 IgG
Parvovirus B19 IgM
POLIOVIRUS IgG
Q FEVER
RESPIRATORY SYNCYTIAL IgA
RESPIRATORY SYNCYTIAL IgG
RUBELLA IgG AVIDITY
RUBELLA IgG
RUBELLA IgM
SYPHILIS SCREEN RECOMBINANT
TETANUS IgG
TICK-BORNE ENCEPHALITISVIRUS
TOXOPLASMA IgG
TOXOPLASMA IgM
TRACHOMATIS IgA
TRACHOMATIS IgG
TREPONEMA IgG
TREPONEMA IgM
VARICELLA IgG
VARICELLA IgM
25 OHVITAMIN DTOTAL
TICK-BORNE ENCEPHALITIS VIRUS IgM
TIROGLOBULIN HIGH SENSITIVITY
TOSCANAVIRUS IgG
TOSCANAVIRUS IgM
TOXOCARA IgG
TOXOPLASMA IgA
TOXOPLASMA IgG AVIDITY
ANA-8
ANA-SCREEN
ENA-6 S
SM
SS-A
SS-B
Scl-70
Cenp-B
Jo-1
ds-DNA-G
ds-DNA-M
snRNP-C
U1-70 RNP
anti-CCP
RF-G
RF-M
CALPROTECTIN
CALPROTECTIN K
CARDIOLIPIN-G
CARDIOLIPIN-M
BETA 2-GLYCOPROTEIN-G
BETA 2-GLYCOPROTEIN-M
DEAMIDATED GLIADIN-A
DEAMIDATED GLIADIN-G
GLIADIN-A
Teléfono: (54 261) 754-8198- Horario de Atención: de 10 a 17 hs.
Dirección General: Lic. Daniela Lamy I dlamy@revistabioanalisis.com
Directora de Marketing: Elda Bordin I mkt@revistabioanalisis.com
Directora de Contenidos: Dra. Paola Boarelli I contenidos@revistabioanalisis.com
Bienvenidos a una nueva edición de Bioanálisis, un espacio donde fortalecer la práctica profesional y promover una atención en salud basada en conocimiento científicodeactualidad.
En nuestra nota de tapa, encontramos como inteligencia artificial aplicada a la clasificación de HER2 demuestra su potencial para optimizar el diagnóstico anatomopatológicoyreducirlavariabilidaddiagnóstica.
Siguiendo uno de los tópicos de nuestra edición anterior: La prevalencia del VPH en estudiantes universitarias destaca la importancia del tamizaje, la vacunaciónylaeducaciónparalaprevención.
Un punto de vista actual. La evidencia sobre microbiota intestinal y salud mental reafirma el valor de la nutrición como estrategia complementaria en el abordaje terapéutico.
Además, como la obesidad sarcopénica en niños y adolescentes exige un diagnóstico temprano y un manejo multidisciplinarioparaprevenircomplicacionesfuturas.
Esperamos que los contenidos de esta edición sigan promoviendo el crecimiento permanente de quienes trabajandiariamenteporunamejorsalud. Gracias por acompañarnos una vez más. Los invitamos a reencontrarnos en la próxima edición. ¡Nos vemos en septiembre!
Dra. Paola Boarelli
Directora de Contenidos info@revistabioanalisis.com
Clasificación de la expresión del receptor 2 del factor de crecimiento epidérmico humano en tejido mamario canceroso mediante inteligencia artificial
Pág. 8.
Prevalencia del VPH y Factores de Riesgo Asociados en Estudiantes Universitarias de la Facultad de Ciencias de la Salud
Pág. 28.
El Papel de la Microbiota Intestinal en la Ansiedad, la Depresión y Otros Trastornos Mentales
Pág 38.
Formación de Posgrado. Pág 54
BioAgenda // Empresas. Pág 56 >> >>
Obesidad sarcopénica: importancia del diagnóstico y tratamiento en niños y adolescentes
Pág 50.
Clasificación de la expresión del receptor 2 del factor de crecimiento epidérmico humano en tejido mamario canceroso mediante inteligencia artificial
Esta investigación se centra en cómo la inteligencia artificial puede clasificar la expresióndelreceptorHER2entejidomamariocanceroso,unfactorclaveeneldiagnósticoy tratamientodelcáncerdemama.
AUTORES 1 1
Leidy Verónica Villota , Jessica Julieth Lasso , Elvia Noelia 2 1 Muñoz ,RubielVargas
1 Grupo de Inves gación en Sistemas Dinámicos, Instrumentación y Control, Universidad del Cauca, Popayán,Colombia
2 Unidad de Diagnós co en Patología SAS, Popayán, Colombia
Correspondencia:veronicaver@unicauca.edu.co
Fuente: Biomédica 2025;45(Supl 3):83-102 h ps://doi.org/10.7705/biomedica.7899
RESUMEN
Introducción. El análisis histológico y molecular del tejido mamario es clave para el diagnós co, el pronós coyeltratamientodelcáncerdemama.Entrelos biomarcadores evaluados, se destacan los receptores de progesterona, los de estrógeno y el receptor 2 del factor de crecimiento epidérmico humano (HER2) La sobreexpresión de HER2 indica un sub po agresivo de cáncer de mama, aunque permite el uso de terapias
dirigidas que mejoran la tasa de supervivencia. No obstante, su evaluación enfrenta desa os, desde la calidad de las muestras hasta la variabilidad en la interpretación. El College of American Pathologists clasifica la sobreexpresión de HER2 en cuatro categorías, pero la variabilidad en la expresión cercana al 10 % puede generarconfusión.
Obje vo. Presentar una técnica basada en la inteligencia ar ficial para clasificar células con sobreexpresióndeHER2enlasplacashistológicas. Materiales y métodos. Se aplicó la metodología Cross-Industry Standard Process for Data Mining (CRISPDM) en muestras de 89 pacientes de la Unidad de Diagnós co en Patología, abarcando los cuatro niveles de HER2. Se u lizaron redes neuronales y modelos de Vision Transformer (ViT) afinados mediante transferencia de aprendizaje.
Además, se evaluó la facilidad de uso y, finalmente, la eficiencia del so ware presentado. Resultados Con el modelo ViT-B/16, se obtuvo una exac tud del 90,65 % en la clasificación, mientras que la herramienta evaluada generó un grado aceptable de sa sfacciónconsuaplicaciónclínica.
Conclusión. La inteligencia ar ficial demostró granprecisiónyconcordanciaenlaclasificacióndelHER2, redujo la variabilidad diagnós ca y mejoró la obje vidad, aunque aún se requiere op mizar la eficiencia del procesamiento.
Palabras clave: neoplasias de la mama; inmunohistoquímica;inteligenciaar ficial.
INTRODUCCIÓN
El cáncer de mama es una enfermedad en la que las células malignas se desarrollan en el tejido mamario, afectando la salud y la calidad de vida de las pacientes. Su tratamiento varía según el po y la etapa del cáncer, e incluye cirugía, radioterapia, quimioterapia, terapia hormonalyterapiadirigida(1).Paradiagnos carelcáncer y clasificar su agresividad, se emplean técnicas como la inmunohistoquímica que detecta la expresión de proteínaseneltejidoanalizado.
Unadelasproteínasclaveeselreceptordelfactor de crecimiento epidérmico humano de po 2 (Human Epidermal Receptor-2, HER2) (2). El HER2 regula el crecimiento y la división celular, pero su sobreexpresión puede provocar proliferación descontrolada y tumores malignos (3). Según el College of American Pathologists, todos los cánceres de mama deben analizarse para evaluar la expresión del HER2 (4), cuyos resultados de inmunohistoquímica(IHQ)seinterpretanasí(5):
- IHQ 0+: el HER2 es nega vo cuando no hay nción o cuando la nción de membrana es incompleta, tenue o apenas percep ble en menos del 10 % de las células tumorales.
- IHQ 1+: indica un HER2 nega vo cuando la nción de membrana es incompleta, tenue o apenas percep ble en másdel10%delascélulastumorales.
-IHQ2+:seconsideraunHER2equívococuandola nción de membrana es completa y de intensidad débil a moderada en más del 10 % de las células tumorales o cuandose ñenconintensidadenmenosdel10%.
- IHQ 3+: indica un HER2 posi vo cuando la nción de membrana es completa e intensa en más del 10 % de las célulastumorales.
En el 2020, se reportaron 2,3 millones de nuevos casos de cáncer de mama en el mundo, lo que representa el11,7%detodosloscánceres,con685.000muertes(6,9 % del total) (6) En Colombia, el Departamento Administra vo Nacional de Estadís ca (DANE) registró 3.671 casos en mujeres y 77 muertes en el departamento delCauca,delascuales31ocurrieronenPopayán(7).
Dada la alta incidencia del cáncer de mama y el impacto clínico de una correcta iden ficación del biomarcador HER2, es de gran trascendencia op mizar
los procesos diagnós cos para garan zar decisiones terapéu cas precisas. La evaluación del HER2 mediante inmunohistoquímica con núa siendo un procedimiento con cierto grado de subje vidad, especialmente en los niveles intermedios 1+ y 2+ (8), lo que puede conducir a errores en la clasificación y, por ende, en la elección del tratamiento dirigido. En este contexto, el desarrollo de sistemas automá cos basados en la inteligencia ar ficial representa una oportunidad significa va para fortalecer la reproducibilidad, reducir la variabilidad intraobservador e interobservador, y apoyar el diagnós co histopatológico.
En diversos estudios se han explorado métodos computacionales para la clasificación del HER2, con resultados prometedores. Algoritmos como LMBNet han alcanzadounaexac tuddel96,92%enlaclasificacióndel HER2 (8) Los métodos basados en el aprendizaje profundo y Monte Carlo Dropout, lograron el 89 % de exac tud en la clasificación del tejido mediante el HER2 (2). Un modelo explicable de aprendizaje automá co obtuvo una precisión del 88 %, exac tud del 89 % y recuperación del 43 % evaluando el impacto de datos FISH(9).
Por otro lado, el método HER2-ResNet, inspirado en redes convolucionales y residuales, alcanzó una exac tud del 93 % (10). Además, el uso de modelos de redesgenera vas(Genera veAdversarialNetwork,GAN) ha permi do la generación de imágenes sinté cas para mejorar el entrenamiento, logrando hasta el 94,2 % de exac tud con Incep onResNetV2 (11). Por úl mo, se ene un estudio sobre el muestreo piramidal aplicado a DenseNet-201, el cual obtuvo una exac tud del 84,7 % en laclasificacióndelHER2enimágenesdenúcleosdetejido mamario (12) A pesar de estos avances, persisten desa os técnicos y clínicos, incluyendo la interpretabilidad de los modelos. Por ello, estas herramientas deben ser validadas por patólogos expertos para su aplicaciónefec va.
El obje vo de este estudio fue desarrollar un sistema para la clasificación automá ca de la sobreexpresión de HER2 en imágenes histológicas de tejido mamario canceroso, mediante el uso de técnicas avanzadas de inteligencia ar ficial (figura 1) Considerandolavariabilidadpresenteenlaevaluacióndel HER2, se propone un enfoque que integra modelos de aprendizaje profundo, orientado a mejorar la precisión diagnós ca, reducir la subje vidad del observador en el proceso de interpretación y proporcionar una herramienta de apoyo clínico que contribuya a la toma de decisionesenelmanejodelcáncerdemama.
MATERIALESYMÉTODOS
En la implementación del sistema propuesto, se usaron dos técnicas de inteligencia ar ficial: las redes neuronales profundas y los modelos basados en Transformers Ambas técnicas se usaron en el entrenamiento, siguiendo la metodología de transferencia de aprendizaje, y u lizando un conjunto propio de datos construido a par r de imágenes histológicasdetejidomamariocanceroso.
Figura1.Diagramadeflujodelsistemapropuesto para la clasificación de imágenes de cáncer de mama con sobreexpresióndeHER2.
Adquisicióndeimágenes
LabasededatosseconstruyóenelLaboratoriode Inmunología y Biología Molecular de la Universidad del Cauca. Se adquirieron 58.826 imágenes microscópicas de tejido mamario canceroso procesado con inmunohistoquímica, u lizando un microscopio Leica DM500™ con cámara ICC50W a un aumento de 40X. Tras una selección basada en la calidad histológica y la ausencia de artefactos, 28.507 imágenes se consideraron aptasparaelanálisis.
Criteriosdeinclusiónyexclusión
Criterios de inclusión: imágenes con nción adecuada, bien enfocadas y representación completa de lasestructurascelulares.
Criteriosdeexclusión: imágenes con desenfoque, sobreexposición, nción deficiente o presencia de artefactoshistológicos.
Consideracionesé cas
La información se recolectó siguiendo las normas é cas, garan zando la privacidad y la confidencialidad de los datos de los pacientes mediante el anonimato de las muestras Además, se veló por el principio de no maleficencia, asegurándose de que el proceso de recolección de muestras no causara ningún daño a los pacientes. La inves gación se diseñó, también, con el obje vo de beneficiar a la salud pública, aportando una herramienta al avance en el diagnós co del cáncer de mama.
El protocolo de inves gación fue aprobado por el Comité de É ca en Inves gación de la Universidad del Cauca Para garan zar la confidencialidad y el cumplimiento de las consideraciones é cas, se firmó una carta de solicitud que aseguraba el acceso a muestras de una fuente autorizada sin revelarinformación sensible de lospacientes.
Distribucióndedatos
Los datos se organizaron en las cuatro categorías de HER2 (0+, 1+, 2+, 3+) y se dividieron en conjuntos de entrenamiento(70%),validación(15%)yprueba(15%).
El tamaño de la muestra se determinó considerando la disponibilidad de muestras válidas por la categoríade HER2,lanecesidaddegaran zarelbalancey la representa vidad entre cuatro categorías. La can dad
final de 28.507 imágenes ofreció un volumen adecuado para evitar el sobreajuste y garan zar la estabilidad estadís caenlafasedevalidación.
Modelado
Enfoque Para construir los modelos, se usaron dos técnicas: una con las redes neuronales profundas y otraconlosTransformers.
Redes neuronales convolucionales (Convolu onal Neural Network, CNN). Son modelos de aprendizaje profundo diseñados para procesar imágenes mediantelaaplicacióndefiltrosonúcleosqueextraenlas caracterís cas relevantes, lo cual permite aprender patrones repe vos en toda la imagen. Tras cada operación de convolución, la ventana se mueve y se capturan las caracterís cas en los mapas de caracterís cas. Estos mapas recogen el campo recep vo localdelaimagen,u lizandopesosysesgoscompar dos (13).
Transformers. Estos modelos usan una arquitectura de redes neuronales basada en el mecanismo de self-a en on, lo que les permite asignar importancia a diferentes elementos de una secuencia sin importar su posición. Esta capacidad los hace eficientes para procesar secuencias largas, superando las limitaciones de las redes neuronales recurrentes y las redes neuronales convolucionales (14). Su estructura principal incluye un codificador para procesar la entrada y un decodificador para generar la salida Los transformers han revolucionado el procesamiento del lenguaje natural y han ampliado su aplicación a áreas comolavisiónporcomputadora(14).
Un transformador de visión (Vision Transformer, ViT) adapta la arquitectura del modelo Transformer para tareasdevisiónporcomputadora,dividelasimágenesen parches de tamaño fijo que las trata como “palabras” en unasecuencia,procesándolasconcapasdeatenciónpara capturar relaciones globales entre regiones. A diferencia de las redes neuronales convolucionales, el transformador de visión no u liza convoluciones, lo que le permite superar limitaciones espaciales y destacarse en la clasificación de imágenes, especialmente con grandesvolúmenesdedatosdeentrenamiento(15).
Construccióndelmodelo
Definición de parámetros e hiperparámetros. El entrenamiento de redes neuronales profundas requiere establecer hiperparámetros clave, como el número de capas, las neuronas por capa y las funciones de ac vación, que permanecen constantes durante el proceso. También, se elige una función de pérdida, un
op mizador y la can dad de épocas para mejorar la precisión del modelo. En el caso de los transformadores de visión, se ajustan parámetros específicos, como el número de capas de transformadores, el tamaño de las representaciones vectoriales (embeddings), la can dad de encabezados (heads) de la atención, el tamaño de imagen de entrada y el método de división en parches (16,17). Además, se op mizan la tasa de aprendizaje y el tamaño del lote para mejorar el rendimiento Los modelos aquí descritos se entrenaron siguiendo la metodologíadetransferenciadeaprendizaje.
Aprendizaje por transferencia Este reu liza un modelo previamente entrenado en un conjunto de datos grande y lo ajusta para una tarea específica, entrenándolo con menos datos. En las redes neuronales profundas, se congelan capas del modelo original y se ajustan solo las finales, con lo cual se acelera el entrenamiento y se mejora el rendimiento (18). El afinamiento de un transformador de visión consiste en cargar los pesos preentrenados, reemplazar la capa de clasificación según el número de clases del nuevo conjunto de datos y, en algunos casos, congelar las capas inferioresparaconservarlascaracterís casgenerales.
Técnicas de regularización. Para evitar el sobreajuste y mejorar la generalización del modelo, se u lizaron técnicas de regularización –entre ellas, Early Stopping que de ene el entrenamiento cuando el rendimiento en validación empeora– y el aumento de datos que genera variaciones en las imágenes para fortalecer el modelo, especialmente en el dominio médico.
Debido a su eficiencia y capacidad para manejar la clasificación de las imágenes, se consideraron cuatro redes neuronales profundas: VGG16 (19), MobileNetV2 (20), ResNet50 (19) y EfficientNetB0 (21); también, se u lizaron dos modelos de Vision Transformer: EVA02 (22)yViT-B/16(15).
Arquitectura de modelos de redes neuronales convolucionales
VGG16 La red VGG16 se entrenó en la base de datos ImageNet (23). Consta de 16 capas de convolución y ene un campo recep vo pequeño de 3 × 3. Tiene una capa de agrupación máxima de tamaño 2 × 2 y ene un total de cinco capas de este po Hay tres capas completamenteconectadasdespuésdelaúl macapade agrupación máxima. Enseguida, se presentan tres capas completamente conectadas Se u liza el clasificador so max como capa final. La ac vación ReLu se usa en todaslascapasocultas(19).
MobileNetV2 Esta red neuronal ha u lizado
convoluciones ligeras en profundidad para filtrar caracterís cas. Comienza con una convolución estándar inicial (3 × 3, stride 2) seguida de bloques Inverted Residual con convoluciones depthwise separables, que incluyen una etapa de expansión (conv 1 × 1), convolución depthwise (3 × 3) y proyección (conv 1 × 1), con conexiones residuales, según corresponda. Estos bloques están distribuidos estratégicamente con diferentes configuraciones de expansión, filtros y strides. Finaliza con una convolución 1 × 1 para expandir canales, una capa de pooling global promedio y una capa completamente conectada con ac vación so max para laclasificación(20).
ResNet-50 Esta es una forma abreviada de redes residuales que ene 50 capas. Es comparable con la VGG16, excepto que ResNet-50 ene una capacidad adicional de mapeo de iden dad. Esta red neuronal predice el delta que se requiere para alcanzar la predicción final de una capa a la siguiente. También, reduce el problema del gradiente evanescente, al permi r que este camino alterna vo de atajo fluya a través del gradiente. El mapeo de iden dad u lizado en ResNetpermitequeelmodeloomitaunacapadepesode las redes neuronales convolucionales si la capa actual no es necesaria Esto ayuda a evitar el problema de sobreajustealconjuntodeentrenamiento(19).
EfficientNetB0 Esta red es el modelo base de la familia, diseñado desde cero mediante un proceso de búsqueda automá ca de arquitectura (Neural Architecture Search, NAS). Su arquitectura se construye u lizando bloques MBConv (Mobile Inverted Bo leneck Convolu on), combinados con técnicas de atención de canales (Squeeze-and-Excita on, SE) y un esquema de escalado compuesto para op mizar el rendimiento U liza un método de escalado compuesto para ajustar simultáneamente la profundidad, la anchura y la resolución de la red, logrando un balance óp mo entre precisión y eficiencia Con solo 5,3 millones de parámetros, emplea la función de ac vación swish y técnicasderegularizacióncomodropout(21).
ArquitecturademodelosTransformer
EVA-02 El modelo Enhanced Vision Transformer Architecture (EVA-02) es una versión op mizada del transformadordevisión,elcualmejoralaeficienciaenlas tareas de visión por computadora. Ajusta la división de imágenes en parches para capturar mejor las caracterís cas locales, modifica los bloques de atención para una asignación más eficiente de los recursos y el procesamientorápidodelasimágenesdealtaresolución. EVA-02 es ú l en la clasificación y la segmentación de imágenesmédicas,yenotras aplicacionesque requieren grancalidadyresolución(22).
ViT-B/16 El modelo ViT-B/16 es una variante del transformador de visión, donde B indica la configuración "base" adaptada de Bidirec onal Encoder
Representa ons from Transformers (BERT) y “/16” significaquelaimagendeentradasedivideenparchesde 16x16píxeles.Cuentacon12capas,untamañoocultode 768, un "perceptrón" de múl ples capas (Mul -Layer Perceptron, MLP) de un tamaño de 3 072, 12 encabezados de atención y 86 millones de parámetros. Además, el largo de la secuencia del transformador de visión es inversamente proporcional al cuadrado del tamaño del parche, lo que implica que los modelos con parches más pequeños requieren mayor capacidad computacional(15).
Técnicasdeensambledemodelos
Para mejorar la precisión y la solidez del modelo, se implementaron dos técnicas de ensamblado: ensambleporpromedioyclasificadorporvotación.
Ensamble por promedio (average ensemble). Permite combinarmúl plesmodelosbasemedianteunpromedio ponderado, reduciendo la tasa de error y la varianza, lo que mejora la capacidad de generalización del sistema (24).
Clasificador por votación (Vo ngClassifier). Combina las predicciones de varios modelos para obtener un mejor desempeño. Puede ser votación dura, en la cual la clase con más votos es la predicción final, o votación blanda, que pondera las probabilidades de cada modelo, lo que resulta ú l en caso de distribuciones desequilibradas. Este método es ampliamente u lizado en visión por computadoraybioinformá ca(25).
Validaciónyevaluación
La evaluación del modelo se llevó a cabo en dos sen dos: el primero, la evaluación del desempeño del modelo, y, el segundo, el grado de aceptación por parte de los patólogos. Para ello, se implementó una interfaz op mizada con Gradio, una librería de código abierto para Python que facilita la creación de interfaces web interac vas en el aprendizaje automá co y en la ciencia de datos (26). La plataforma permite cargar imágenes para su análisis y muestra la clasificación correspondiente en la misma sección de visualización. Este proceso puede repe rse para analizar nuevas imágenesdemanerasencillaeintui va.
Evaluacióndeldesempeñodelmodelo
Se evaluó el rendimiento del modelo u lizando datos de prueba no vistos previamente por el modelo, garan zando la reiteración externa del modelo Se emplearon mediciones clave para establecer su
capacidadpredic va,comoselistanacon nuación:
Matriz de confusión: resume el desempeño del modelo en términos de verdaderos posi vos (true posi ve, tp), falsos posi vos (false posi ve, fp), verdaderos nega vos (true nega ve, tn) y falsos nega vos(falsenega ve,fn).
Exac tud: representa la proporción de predicciones correctas sobre el total de muestras evaluadas.
Sensibilidad y especificidad: miden la capacidad del modelo para iden ficar correctamente los casos posi vosynega vos,respec vamente.
Precisión y recordación (recall): evalúan la
proporción de casos posi vos correctamente iden ficados y la capacidad de recuperar los casos posi vosreales.
Coeficiente de correlación de Ma hews (MCC): proporciona una evaluación más equilibrada del rendimiento del modelo, y es ú l en conjuntos de datos desequilibrados.
Coeficiente de similitud de Dice: aplicado en la segmentación de imágenes médicas, mide la superposiciónentreprediccionesye quetasreales.
Level, Free andTotalADA)
Level, Free andTotalADA)
Evaluaciónenelentornoclínico
Se estudió la concordancia de la clasificación del nivel del HER2 en tejido mamario canceroso, con la par cipacióndeunpatólogo.Losresultadosseanalizaron mediante la sensibilidad, la especificidad y el coeficiente kappa de Cohen, el cual cuan fica la concordancia entre evaluadores,oentreelmodeloylosexpertosclínicos.Un valor cercano a uno indica gran concordancia, mientras quelosvaloresbajossugierenqueelacuerdoessimilaral azar
Secompararondosmétodos:
- Evaluación convencional: clasificación visual basada en criteriosclínicos.
- Evaluación asis da por so ware: predicción automa zadaconrevisióndelespecialista.
Evaluacióndelaherramienta
En el proceso de evaluación de la herramienta para clasificar los niveles de HER2, se siguió la norma ISO/IEC 25022:2016, en la que se establece un conjunto de mediciones para evaluar la calidad del uso de un sistema o so ware desde la perspec va del usuario final (27). El estándar propone cinco etapas en el proceso de evaluación: definición, diseño, planificación, ejecución y conclusión. El obje vo principal es garan zar que el sistema cumpla con los criterios de calidad en términos deeficacia,eficienciaysa sfacción.
Definicióndelaevaluación
Se establecieron los obje vos para evaluar la calidad del desempeño de la herramienta en el diagnós co del nivel de HER2 en tejido mamario canceroso,priorizandotrescaracterís casclave:
- Eficacia (50 %): precisión y concordancia con el criterio delospatólogos.
- Eficiencia (30 %): empo requerido en comparación con elmétodotradicional.
- Sa sfacción (20 %): facilidad de uso e integración en el flujodetrabajo.
Diseñodelaevaluación
En esta se definieron las mediciones, métodos y criterios de éxito para evaluar cada subcaracterís ca. Cada subcaracterís ca fue ponderada de acuerdo con su impactoenlaherramienta.
En la evaluación de la herramienta, se establecieron tres caracterís cas principales, cada una conunniveldeimportanciayponderaciónespecíficos.La eficacia se consideró la caracterís ca más relevante, con una ponderación del 50 %; se evaluó mediante el análisis de la concordancia entre los resultados del modelo y los del criterio del patólogo La eficiencia obtuvo una ponderación del 30 %, determinada a par r del empo mediorequeridoparaeldiagnós coconusodelso ware y sin él. Finalmente, la sa sfacción se asignó con una ponderación del 20 %, evaluada mediante las encuestas sobre la escala de facilidad de uso del sistema (System Usability Scale, SUS) y la retroalimentación proporcionadaporlospatólogospar cipantes.
Especificacióndelasmediciones
Se definieron las mediciones correspondientes paraevaluarcadasubcaracterís cadelsistema,juntocon supropósitoymétododemedición.
Para evaluar la concordancia, se emplearon parámetros como la sensibilidad, la especificidad y el índice kappa, con el fin de medir la precisión y la confiabilidad del diagnós co mediante el so ware, en comparación con los diagnós cos realizados por los patólogos, así como el nivel de concordancia en la clasificación del HER2. El procedimiento consis ó en comparar los resultados del so ware con el diagnós co de referencia de los especialistas y hacer las respec vas mediciones.
En cuanto al empo medio para el diagnós co, conso wareysinél,seconsideraronindicadorescomoel empo promedio por imagen, y la diferencia de empo entre el método tradicional y el asis do por el so ware. Esta medición tuvo como propósito determinar si la herramienta mejora a la eficiencia del proceso diagnós cosinafectarlaexac tud,mediantelamedición del empoquetardaunpatólogoenanalizarcadaimagen bajoambascondiciones.
Finalmente, para la sa sfacción, se hicieron encuestassobrelaescaladefacilidaddeusodelsistemay se recopiló la retroalimentación de los patólogos, con el obje vo de evaluar la facilidad de uso, la aceptación y la integracióndelso wareenelflujodetrabajoclínico.Este proceso incluyó el uso de las encuestas después de u lizarlaherramienta,yelanálisisdelastendenciasydel nivel general de sa sfacción reportado por los par cipantes.
Definicióndelapuntuacióndelacalidaddeldesempeño
Para interpretar los resultados obtenidos, se tuvieron en cuenta los niveles según la puntuación y los
grados de sa sfacción Para la evaluación de la sa sfacción,seestablecióunaescalademediciónbasada en rangos porcentuales que determinan el grado de cumplimiento de los requisitos del so ware. Los valores entre 79,1 y 100,0 indican un desempeño muy sa sfactorio, correspondiente a un cumplimiento pleno delosrequisitos.
Losvaloresentre49,1y79,0reflejanunresultado sa sfactorio o aceptable. Cuando el puntaje se ubica entre 19,1 y 49,0, se considera no sa sfactorio, aunque mínimamente aceptable. Finalmente, los valores entre 0,0 y 19,0 representan un desempeño inaceptable e indican que el sistema no cumple con los estándares esperados.
Planificacióndelaevaluación
En esta etapa, se decidió cómo se llevaría a cabo laevaluacióndelsistema,incluyendolastareasacargode los usuarios y los instrumentos de medición u lizados. Lasprincipalesac vidadesfueronlassiguientes:
Definición de tareas para medir la eficacia y la eficiencia Se establecieron las siguientes tareas específicas a cargo del patólogo que evaluaría la herramienta:
Acceder al so ware y cargar las imágenes de tejido mamario.
Clasificar manualmente de las imágenes sin el so ware deapoyo.
Llevaracabolaclasificaciónasis daconelso ware. Comparar el diagnós co manual con el diagnós co del so wareyhacerajustessiseconsiderarenecesario. Registrarel empoempleadoencadacaso(conso ware y sin él), y evaluar el desempeño según el grado de eficiencia temporal. Para ello, se establecieron rangos que clasifican el rendimiento del sistema en función del empo promedio requerido durante el diagnós co. Los valores entre 75,1 y 100,0 corresponden a un grado muy eficiente, y evidencian una reducción significa va del empo.Los valoresentre50,1y75,0corresponden a una eficiencia moderada, con una mejora observable pero no sobresaliente. Los puntajes entre 25,1 y 50,0 se interpretan como neutros e indican una diferencia mínima entre los métodos comparados, mientras que los valores entre 0,0 y 25,0 indican ineficiencia, al no presentar una mejora significa va o, incluso, mostrar un aumentoenel emporequerido. Exportar los resultados en el formato establecido para el análisisdeconcordancia.
Diseño de la encuesta de facilidad de uso Para evaluar la sa sfacciónylacomodidadconeldesempeño,sedecidió u lizar la escala de facilidad de uso del sistema (28), una
herramienta estandarizada que proporciona una evaluación global de la percepción de la facilidad de uso. La encuesta consta de diez preguntas que el par cipante calificaenunaescalade1(totalmenteendesacuerdo)a5 (totalmentedeacuerdo).
Diseño de la encuesta de sa sfacción Para evaluar la sa sfacción y la percepción que enen los patólogos del so ware, se diseñó una encuesta enfocada en la funcionalidad de la herramienta y su u lidad en la prác ca clínica. La encuesta consta de ocho preguntas, clasificadas en tres categorías: sa sfacción general, percepciónsobrelafacilidaddeusoypercepciónsobrela funcionalidad.
Sa sfaccióngeneral
¿Está sa sfecho con el apoyo del so ware en la clasificacióndeHER2?
¿El so ware complementa bien su experiencia y conocimientocomopatólogo?
¿Seguiría usando esta herramienta en futuros casos clínicos?
Percepciónsobrelafacilidaddeuso
1.¿Elprocesodecargayanálisisdeimágenesessencillo?
2.¿Lasherramientasdeasistenciasonintui vas?
3.¿Elso wareproporcionainformaciónclarayú lparala tomadedecisiones?
Percepcióndefuncionalidad
¿Laclasificaciónrealizadaporelso wareesconfiable?
¿El so ware facilita el análisis de muestras y mejora la eficienciadeldiagnós co?
Ejecucióndelaevaluación. Se implementaron las ac vidades planificadas para evaluar el so ware, incluyendolaseleccióndelpatólogosegúnsuexperiencia y la preparación del entorno de pruebas. El patólogo hizo la clasificación manual y asis da, y se registraron las mediciones clave: sensibilidad, especificidad, concordanciakappay empodediagnós co.También,se hicieron encuestas sobre la facilidad del uso y la sa sfacción,yserecopilaronlosdatosparasuanálisis.
Conclusión de la evaluación. Se consolidaron los datosobtenidos,severificósuintegridad,secompararon los diagnós cos manuales y asis dos para evaluar la concordancia. Se analizó la puntuación del desempeño del so ware en términos de eficacia, eficiencia y sa sfacción.
Evaluacióndeldesempeñodelosmodelos
Modelosderedesneuronalesconvolucionales Se realizó el entrenamiento de los cuatro modelos de redes neuronales convolucionales: VGG16, MobileNetV2, ResNet-50 y EfficientNetB0, mediante la transferencia de aprendizaje y usando el conjunto de las imágenes seleccionadas.
Los resultados de exac tud evidenciaron que los modelos que mejor clasificaron las clases 1+ y 2+, fueron VGG16 con el 82,41 % y MobileNetV2 con el 79,72 %, mientras que los que mejor clasificaron las clases 0+ y 3+, fueron ResNet-50 con el 72,03 % y EfficientNetB0 con el 70,16 % (cuadro 1 y figura 2). Teniendo esto en cuenta, se realizó un ensamble mediante promedio y votación blanda con la combinación entre estos modelos (cuadro 2).Elensamblemediantevotaciónblandadelosmodelos VGG16 y EfficientNetB0, obtuvo el mejor desempeño en cuantolaexac tud,conel82,23%.
Modelos de transformadores de visión Se emplearondosmodelosbasadosenlaarquitecturadelos transformadores de visión: EVA-02 y ViT-B/16. Ambos fueron entrenados para clasificar las cuatro clases correspondientes a los diferentes grados de sobreexpresión de HER2; los resultados sobre exac tud correspondieron al 90,15 y al 90,69 %, respec vamente (cuadro3yfigura3).
Cuadro 1. Resultados de las medidas de evaluación del desempeño de los modelos CNN de las redesneuronalesconvolucionales
Se hizo un ensamble por votación blanda, combinandolosmodelosVisionTransformerconelmejor modelo de redes neuronales convolucionales, VGG16
(cuadro 4); además, se calculó la matriz de confusión del mejor modelo (figura 4). Este método fue seleccionado porque permite asignar mayor peso a un modelo, en este caso a los Vision Transformers, debido a su alto rendimiento.
Figura 2. Resultados de las matrices de confusión paralosmodelosderedesneuronalesconvolucionales.A. Modelo VGG16. B. Modelo MobileNetV2. C. Modelo ResNet-50.D ModeloEfficientNetB0
Cuadro 2. Resultado de las técnicas de ensamble paralosmodelosdelasredesneuronalesconvolucionales
Cuadro 3 Resultados de las medidas de evaluación del desempeño de los modelos Vision Transformer
Figura 3. Resultados de las matrices de confusión paramodelosTransformer.A.Modelo EVA02.;B.Modelo ViTB16
Cuadro 4. Resultados de la técnica de ensamble mediantevotaciónblandaparaTransformers
Figura4.Resultadodelamatrizdeconfusiónpara el ensamble mediante votación blanda de los modelos ViT-B/16yVGG16
DesarrollodelaherramientaparaclasificarelHER2
Sedesarrollóunaplataformaintui vaconGradio para facilitar el acceso del usuario final. Esta herramienta admite imágenes en formatos PNG, JPG, JPEG y BMP, aplicando un preprocesamiento para ajustarlas a las condiciones de entrenamiento del modelo ViT-B/16, op mizado para analizar la sobreexpresión del HER2 en el cáncer de mama. Finalmente, el modelo procesa las imágenes y genera la clasificación y predicción correspondientes.
Evaluación de la concordancia entre el patólogo y la herramientadeclasificacióndelHER2
Para evaluar la concordancia entre el patólogo y
la herramienta desarrollada, se empezó analizando 20 imágenes con una distribución rela vamente equilibrada en cada nivel de HER2 (cuadro 5). Durante este proceso, también se midió el empo promedio de diagnós co por imagen, obteniéndose un valor de 12 segundos por imagen. Por otro lado, con el segundo método que incluye la asistencia del so ware (cuadro 5) en este caso, el empo promedio de diagnós co se extendió a 14 segundos.
A par r de la matriz de confusión (figura 5), se calcularon la sensibilidad, la especificidad y el índice kappa de Cohen. Los resultados obtenidos con el método asis do muestran una sensibilidad de 0,10 para las clases 0,2y3,yde0,67paralaclase1,alcanzandounpromedio global de 0,9167 (91,67 %). En términos de especificidad, se registraron valores de 0,875 para la clase 0. y de 0,10 para las clases 1, 2 y 3, con un promedio total de 0,9687 (96,87 %). Finalmente, el coeficiente kappa de Cohen fue de0,8675(86,75%),loquereflejaunagranconcordancia entrelasprediccionesdelmodeloylase quetasreales,y respalda la fiabilidad del sistema como herramienta de apoyodiagnós co.
Cuadro 5. Resultados de la clasificación de veinte imágenes de HER2 mediante el método de evaluación convencionalyelmétododeevaluaciónasis da
Figura5.Resultadodelamatrizdeconfusiónpara la evaluación de concordancia mediante el método de evaluaciónasis daporso ware
Evaluacióndelaherramienta
Para la evaluación integral de la herramienta desarrollada, se consideraron las medidas de concordancia y los indicadores de eficiencia y sa sfacción, con el fin de obtener una valoración completa de su desempeño. En primer lugar, se calculó el promedio de las tres medidas principales de concordancia,obteniéndoseunvalorrepresenta vodela eficacia del sistema, que alcanzó el 91,76 %, con una ponderacióndel50%,clasificadacomomuysa sfactoria, yconunacontribuciónde45,88puntosalresultadofinal.
La eficiencia se evaluó mediante el empo de diagnós co requerido para la clasificación de imágenes, con asistencia del so ware y sin ella. Se observó un incremento promedio de dos segundos al emplear la herramienta(de12a14segundosporimagen),diferencia consideradamínima.Porello,seleasignóunapuntuación neutral del 50 %, con una ponderación del 30 %, equivalente a 15 puntos, clasificándose como sa sfactoria.
En cuanto a la sa sfacción del usuario, los resultados se obtuvieron a par r de las encuestas de la
escala de facilidad de uso del sistema y de sa sfacción, que registraron puntuaciones de 82,5 y 92,5, respec vamente.Elpromediodeambasevaluacionesfue del 87,5 %, correspondiente a un nivel muy sa sfactorio, con una ponderación del 20 % y una contribución de 17,5 puntos.
Finalmente, al integrar los valores de las tres dimensiones –eficacia, eficiencia y sa sfacción– se obtuvo un puntaje global de 78,38, lo que corresponde a una aceptable calidad del desempeño y a un apropiado gradogeneraldesa sfacción.Estosresultadosreflejanun desempeño adecuado del sistema como herramienta de apoyo diagnós co en la clasificación automa zada del HER2, al combinar precisión técnica, facilidad de uso clínicoyaceptaciónporpartedelosespecialistas.
El conjunto de datos recolectado en esta inves gación consta de un volumen considerable de imágenes (58.826) para la clasificación de los niveles de HER2, en comparación con otros trabajos como LMBNet (8), HER2-ResNet (10) y HERGAN (11), cuyos conjuntos dedatososcilanentrelas158ylas5.200imágenes.
Diagnóstico de Laboratorio paso a paso
Esta diferencia representa una fortaleza relevante ya que, al ser un conjunto de datos de tamaño considerable, proporciona una base sólida para el entrenamientodelasarquitecturasempleadas,reduceel sobreajuste y mejora la generalización del modelo. Además, al tratarse de imágenes reales y no sinté cas, se incrementalaconfianzadelpatólogo,yaqueasegurauna mejor concordancia con las observaciones que hace el especialista.
El modelo ViT-B/16 alcanzó una exac tud del 90,69 %, superando el modelo de es mación de incer dumbre(89%)(2),aunqueesteúl moseenfocaen cuan ficar la incer dumbre mediante el Monte Carlo dropout para mejorar la interpretabilidad visual, un aspecto no abordado en el presente estudio. De forma similar, la regresión logís ca basada en inmunohistoquímicaca, reportó 89 % de exac tud y 93 % al incorporar datos FISH (9), priorizando la interpretabilidadsobreelrendimiento,mientrasqueeste trabajo se orienta hacia la validación prác ca con patólogos.
Comparado con modelos como LMBNet con el 96,92 % (8), HER2-ResNet con el 93 % (10) e Incep onResNetV2 con el 94,2 % (11), el rendimiento del modelo ViT-B/16 es ligeramente inferior No obstante, la diferencia puede atribuirse a la variabilidad en los conjuntos de datos u lizados en los estudios, puesto que algunos son privados o con enen imágenes sinté cas, mientras que este estudio desarrolló un conjunto propio de datos, lo cual permi ó un mayor control sobre la calidad, la diversidad y la relevancia clínica de las muestras.
Unafortalezaclavedelpresentetrabajoradicaen laevaluaciónintegraldelmodelo,queincluyemediciones de la exac tud, la sensibilidad, la especificidad, el índice de Ma hews, el coeficiente de similitud de dados y el índice kappa de Cohen. Este análisis es más amplio que el de otros estudios que suelen centrarse únicamente en la exac tud,laprecisión,larecordaciónyelpuntajeF1.
Además, este trabajo introduce un enfoque diferencial al incorporar la evaluación con patólogos medianteencuestassobrelaescaladefacilidaddeusodel sistema y de sa sfacción, conforme a la norma ISO/IEC 25022:2016, lo que permite medir la calidad del desempeño desde la perspec va del usuario final. Esta validación clínica y de facilidad de uso es poco común en la literatura cien fica y refuerza la aplicabilidad prác ca delsistemacomoherramientadeapoyodiagnós co.
L o s m o d e l o s d e r e d e s n e u r o n a l e s convolucionales alcanzaron un máximo del 82,41% de exac tud, destacándose en la clasificación de los niveles
0+ y 3+, mientras que los niveles 1+ y 2+ presentaron mayor dificultad, atribuida a la similitud entre clases (figura 1). Aunque los modelos como HER2GAN (11) ob enen mejores resultados, alcanzando una exac tud del94,2%conIncep onResNetV2alusardatossinté cos, la propuesta de este estudio ofrece una ventaja significa va en términos de confiabilidad clínica al emplearúnicamenteimágenesreales.
Asimismo, se implementaron dos pos de ensamble: el ensamble por promedio, en el que a los dos modelos se les asignó el mismo valor de importancia, el 50 % cada uno, alcanzando una exac tud entre el 78 y el 81,10%,quesuperóalosmodelosindividualesResNet50 yEfficientNetB0,peronoalmodeloVGG16.Porotrolado, enlavotaciónblanda,seasignóunmayorpesoalmodelo 1 del 70 % y un menor peso al modelo 2 del 30 %, ya que MobileNetV2yVGG16,incluidosenelmodelo1,tuvieron un mejor rendimiento en los niveles del HER2 de interés: 1+y2+.Seobtuvieronexac tudesentreel80yel82,23%, un rendimiento superior al ensamble por promedio, aunqueaúnpordebajodelaredVGG16.
Los modelos EVA-02 y ViT-B/16, entrenados con EarlyStopping,alcanzaronexac tudesdel90,15yel90,69 %, respec vamente. Ambos mostraron un desempeño destacado en los niveles 0+ y 3+, y los niveles 1+ y 2+ con nuaron siendo como los más desafiantes (figura 2).
Si bien EVA-02 se ubica ligeramente por debajo de HER2ResNetconel93%deexac tud,eIncep onResNetV2con el 94,2%, ofrece ventajas en interpretabilidad al prescindirdelasconvolucionestradicionales.
La combinación de ViT-B/16 con VGG16 mejoró la exac tud global al 90,93 %, aunque con un menor rendimiento en la clase 2+, de especial interés clínico. Este resultado sugiere que los modelos híbridos pueden mejorarlaexac tudgeneral.
En general, los resultados de sensibilidad y especificidad superiores al 90 %, junto con un índice kappa mayor de 0,85, confirman la gran fiabilidad del sistema. El estudio aporta un enfoque integral que combinatécnicasavanzadasdeaprendizajeprofundocon una validación clínica y de facilidad de uso, lo cual cons tuye un aporte significa vo al campo de la clasificaciónautoma zadadelHER2.
Aunque el valor diagnós co de la herramienta es evidente, sus aplicaciones podrían extenderse más allá del entorno clínico inmediato. Por ejemplo, podría emplearse como herramienta de apoyo en la formación delosresidentesdepatología,ocomosistemaasis doen los laboratorios con menor capacidad diagnós ca, donde facilitaría la detección temprana de los casos sospechososyestandarizaríaloscriteriosdeevaluación.
Si bien los resultados obtenidos son prometedores, se iden fican algunas limitaciones del presente estudio. El entrenamiento se realizó sobre una base de datos ins tucional única, lo cual podría restringir la capacidad de generalización del modelo a otros entornos clínicos. Asimismo, pueden exis r sesgos en la selección de imágenes, derivados de las condiciones de captura o delavariabilidadenlas ncionesu lizadas.
Se considera necesaria una validación externa mul céntrica que permita confirmar la solidez del modeloendiferentescontextoshospitalarios.Además,el empo de respuesta computacional aún puede op mizarse, dado que la eficiencia temporal obtuvo una puntuación del 50 %, lo que refleja la necesidad de mejorarlavelocidaddeprocesamientodelsistema.
Por otro lado, la variabilidad en la clasificación de los niveles 1+ y 2+ con núa siendo un desa o, común en laliteratura,debidoalasimilituddelospatronesvisuales. Las futuras inves gaciones podrían explorar enfoques basados en la atención con múl ples escalas, el aumento de los datos específicos para las clases intermedias o los modelos mul modales que integren información de ncionescomplementariascomoFISH
Elusodelainteligenciaar ficial,específicamente el modelo Vision Transformer ViT-B/16 dentro de la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining), permi ó automa zar con gran precisión la detección y la cuan ficación del HER2 en tejido mamario canceroso, alcanzando el 90,69 % de exac tud. La evaluación del sistema evidenció su eficacia y facilidad de uso, con un nivel de sa sfacción aceptable en su aplicación clínica, aunque se iden ficó que la op mización del empo de procesamiento es un aspecto por mejorar Los resultados reflejan una gran concordancia diagnós ca, reduciendo la subje vidad y mejorando la confiabilidad en la selección de tratamientos personalizados, lo que fortalece su aplicabilidadenlaprác caclínica.
Las contribuciones de este trabajo son: la creación de un conjunto de datos de imágenes que documenta tejidos mamarios con los cuatro niveles de expresión del HER2; la implementación de modelos de la inteligencia ar ficial para la iden ficación precisa del estado del HER2, con el potencial de asis r a los patólogos en decisiones clínicas, y la adopción de una herramienta por parte de los especialistas que podría reducir la variabilidad a la hora de hacer los diagnós cos, haciendo que la evaluación de las muestras histológicas sea más efec va y op mizando el proceso para un tratamientodirigido.
Además, este trabajo sienta las bases para seguir
usando la inteligencia ar ficial en el futuro en la ampliación del análisis de biomarcadores importantes en el cáncer de mama –como Ki-67– lo cual permi rá desarrollar modelos más completos y personalizados paralaclasificacióndelcáncerdemama.
Los autores agradecen al Laboratorio de Inmunología y Biología Molecular de la Facultad de Ciencias de la Salud de la Universidad del Cauca y a su equipo, por su valiosa asesoría técnica Asimismo, expresan su gra tud a la Unidad de Diagnós co en Patología por facilitar el acceso a las placas histológicas y, en general, a la Universidad del Cauca, por su apoyo ins tucional.
CONTRIBUCIÓNDELOSAUTORES
Leidy Villota: adquisición y análisis de datos, conceptualización, metodología,desarrollodelso wareyredaccióndelmanuscrito
Jessica Lasso: adquisición y análisis de datos, y redacción del manuscrito
Elvia Muñoz: conceptualización, supervisión, revisión y edición final delmanuscrito
Rubiel Vargas: conceptualización, metodología, supervisión y redaccióndelmanuscrito
FINANCIACIÓN
Esta inves gación se llevó a cabo en la UniversidaddelCauca,sinfinanciamientoespecífico.
CONFLICTODEINTERESES
Los autores declaran que no enen conflictos de intereses que puedan haber influido en la realización de esteestudio.
USO DE HERRAMIENTAS DE INTELIGENCIA ARTIFICIAL
De acuerdo con la polí ca del Commi ee on Publica on Ethics (COPE), se declara el uso de la inteligencia ar ficial en la redacción del manuscrito. En par cular, se empleó ChatGPT (OpenAI) como apoyo en la redacción y mejora del texto, garan zando siempre la revisión, la edición y la validación final por parte de los autores.
1. AmericanCancerSociety Whatiscancer|Cancerbasics.Fechadeconsulta:22de diciembre de 2024. Disponible en: h ps://www.cancer.org/cancer/understanding-cancer/ what-is-cancer.html
2. BórquezS,PezoaR,SalinasL,TorresCE Uncertaintyes ma onintheclassifica on of histopathological images with HER2 overexpression using Monte Carlo Dropout. Biomed SignalProcessControl.2023;85:104864.h ps://doi.org/10.1016/j.bspc.2023.104864
3. Swain SM, Shastry M, Hamilton E Targe ng HER2-posi ve breast cancer:
Advancesandfuturedirec ons.NatRevDrugDiscov 2023;22:101-26. h ps://doi.org/10.1038/s41573-022-00579-0
4. AmericanCancerSociety Breastcancer HER2status|Whatis HER2status?Fecha de consulta: 22 de diciembre de 2024. Disponible en: h ps://www.cancer.org/cancer/types/ breast-cancer/understanding-a-breast-cancer-diagnosis/breast-cancer-her2-status.html
5. American Society of Clinical Oncology Breast cancer Fecha de consulta: 22 de diciembre de 2024 Dispo
pa ents/guidelines/breast-cancer
6. Interna onal Agency for Research on Cancer Cancer today Fecha de consulta: 22 dediciembrede2024.Disponibleen:h ps://gco.iarc.who.int/today/
7. Departamento Administra vo Nacional de Estadís ca. Defunciones no fetales
2020 Fe
h ps://www.dane gov co/index php/ estadis cas-por-tema/salud/nacimientos-ydefunciones/defunciones-no-fetales/defunciones-no-fetales-2020
8. Zheng Y, Liang H, Zhao S. LMBNet: Lightweight mul ple branch network for recogni on of HER2 expression levels Proc Comput Sci 2023;222:197-206 h ps://doi.org/10.1016/j.procs.2023.08.157
9. Córdova C, Muñoz R, Olivares R, Minonzio JG Lozano C, González P et al. HER2 classifica on in breast cancer cells: A new explainable machine learning applica on for immunohistochemistry OncolLe .2023;25:44.h ps://doi.org/10.3892/ol.2022.13630
10. Wang X, Shao C, Liu W, Liang H, Li N. HER2-ResNet: A HER2 classifica on method based on deep residual network Technol Health Care 2022;30(Supl 1):215-24 h ps://doi.org/10.3233/THC-228020
11. Mirimoghaddam MM Majidpour J Pashaei F Arabalibeik H, Samizadeh E, Roshan NM, et al. HER2GAN: Overcome the scarcity of HER2 breast cancer dataset based on transfer l e a r n i n g a n d G A N M o d e l C
h ps://doi.org/10.1016/j.clbc.2023.09.014
12. Selcuk SY, Yang X, Bai B, Zhang Y, Li Y, Aydin M, et al. Automated HER2 scoring in breast cancer images using deep learning and pyramid sampling. BME Front. 2024;5:00-48. h ps://doi.org/10.34133/bmef.0048
13. Chauhan R, Ghanshala KK, Joshi RC Convolu onal Neural Network (CNN) for image detec on and recogni on. In: First Interna onal Conference on Secure Cyber Compu ng and Communica on (ICSCCC); 2018 Jalandhar, India: IEEE; 2018 p 278-82 h ps://doi.org/10.1109/ICSCCC.2018.8703316
14. Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gómez AN, etal. A en on is a l l y o u n e e d P r e p r i n t a r X i v ; 2 0 2 3 a r X i v : 1 7 0 6 0 3 7 6 2 h ps://doi.org/10.48550/arXiv.1706.03762
15. DosovitskiyA,BeyerL,KolesnikovA,WeissenbornD,ZhaiX,UnterthinerT,etal.An imageisworth16×16words:Transformersforimagerecogni onatscale.Preprint.arXiv;2021. arXiv:2010.11929.h ps://doi.org/10.48550/arXiv.2010.11929
16. Liu Z, Lin Y, Cao Y, Hu H, Wei Y, Zhang Z, et al. Swin transformer: Hierarchical vision transformer using shi ed windows Preprint arXiv; 2021 arXiv:2103 14030 h ps://doi.org/10.48550/arXiv.2103.14030
17. Khan S, Naseer M, Hayat M, Zamir SW, Khan FS, Shah M. Transformers in vision: A survey ACMComputSurv 2022;54(10s):1-41.h ps://doi.org/10.1145/3505244
18. Chollet F Deep learning with Python. Second edi on. New York, NY: Simon and Schuster;2021.p.1-502.
19. Theckedath D, Sedamkar RR. Detec ng affect states using VGG16, ResNet50 and SE-ResNet50 networks. SN Comput Sci. 2020;1:79. h ps://doi.org/10.1007/s42979-020-0114-
9
20. Özal nÖ,YeniayÖ Detec onofmonkeypoxdiseasefromskinlesionimagesusing mobilenetv2 architecture. Communica ons Faculty of Sciences University of Ankara Series A1 Mathema csandSta s cs.2023;72:482-99.h ps://doi.org/10.31801/cfsuasmas.1202806
21. Tan M, Le QV EfficientNet: Rethinking model scaling for convolu onal neural networks.Preprint.arXiv;2020.arXiv:1905.11946.h ps://doi.org/10.48550/arXiv.1905.11946
22. FangY,SunQ,WangX,HuangT,WangX,CaoY EVA-02:Avisualrepresenta onfor N e o n G
h ps://doi.org/10.1016/j.imavis.2024.105171
23. Stanford Vision Lab; Princeton University ImageNet. Fecha de consulta: 13 de febrerode2025.Disponibleen:h ps://www.image-net.org/
24. Shaga Devan K, Kestler HA, Read C, Walther P Weighted average ensemble-based seman c segmenta on in biological electron microscopy images Histochem Cell Biol 2022;158:447-62.h ps://doi.org/10.1007/s00418-022-02148-3
25. Zhou ZH Ensemble methods: Founda ons and algorithms. First edi on. Boca Ratón,FL:Chapman&Hall/CRC;2012.p.1-236.
26. Gradio. Gradio App. Fecha de consulta: 12 de febrero de 2025. Disponible en: h ps://www gradio.app/
27. Interna onal Organiza on for Standardiza on (ISO). ISO/IEC 25022:2016 — Systemsandso wareengineering—Systemsandso warequalityrequirementsandevalua on (SQuaRE)-Measurementofqualityinuse.Fechadeconsulta:12defebrerode2025.Disponible en:h ps://www.iso.org/standard/35746.html
28. BrookeJ SUS-Aquickanddirtyusabilityscale.Fechadeconsulta:12defebrerode 2 0 2 5 D i s p o n i b l e e n : h ps://digital ahrq gov/sites/default/files/docs/survey/systemusabilityscale%2 528sus%2529_comp%255B1%255D.pdf
Esteestudioanalizalaprevalenciadel VPH ylosfactoresderiesgoenestudiantes universitarias, destacando la necesidad de fortalecer programas de prevención y deteccióntemprana.
I
Gisnella María Cedeño Cajas , Jhoana Lisbe Tapia II III Vargas ,LizbethCarolinaLataCenteno ,MaríaCarolina IV FigueroaMiranda
I Universidad Nacional de Chimborazo, Riobamba, Ecuador
II. Inves gadora ecuatoriana en el área de la salud, Ecuador
III licenciada en Laboratorio Clínico por la Universidad NacionaldeChimborazo(UNACH)enRiobamba,Ecuador
IV Médicacirujana,docenteeinves gadoraecuatoriana, Ecuador
Correspondencia: gcedeno@unach.edu.ec
Fuente: Pol. Con. (Edición núm. 120) Vol. 11, No 7. Julio 2026, pp 2340-2355 ISSN: 2550 - 682X DOI: 1 0 2 3 8 5 7 / p c v 1 1 i 7 1 2 1 4 8 h p://polodelconocimiento.com/ojs/index.php/es
RESUMEN
Introducción: El virus del papiloma humano
(VPH)esunadelasinfeccionesdetransmisiónsexualmás comunes a nivel mundial, especialmente entre mujeres jóvenes, siendo el principal factor causal del cáncer cervical Obje vo: Analizar la prevalencia del VPH y determinar los factores de riesgo asociados en estudiantes universitarias de la Facultad de Ciencias de la SaluddelaUniversidadNacionaldeChimborazo.
Métodos: Estudio cuan ta vo, descrip vo y transversal de campo realizado entre noviembre de 2023 y marzo de 2024. Se evaluó una muestra de 124 estudiantes seleccionadas mediante muestreo aleatorio simple. Se recolectaron muestras cervicouterinas para análisiscitológicoconvencional( ncióndeHematoxilinaEosina) y, en los casos con alteraciones celulares, se procedió a la detección molecular y geno pificación del VPH mediante la técnica de Reacción en Cadena de la Polimerasa (PCR) en empo real mediante el método TaqMan.
Resultados: El análisis citológico reveló un 75.8% deresultadosnormales,un13.7%de ASC-US,un8.1%de LSIL, un 1.6% de HSIL y un 0.8% de ASC-H. De las 30 estudiantes que presentaron lesiones citológicas, el
73.3% resultó posi vo para VPH mediante PCR. En cuanto a factores de riesgo, el 75.0% se realizaba el tamizajecitológicoporprimeravez,el34.68%nou lizaba ningún método an concep vo (seguido del 33.06% que usa preserva vo) y el 46.0% reportó una sola pareja sexual.
Conclusión: Se determinó una alta posi vidad de VPH en estudiantes con alteraciones celulares y una preocupante falta de tamizaje previo Los hallazgos subrayan la necesidad urgente de implementar programas específicos de educación sexual, estrategias robustas de vacunación y campañas de cribado periódico dentro de la población universitaria para mi gar el riesgo alargoplazodepatologíasoncológicascervicales. Palabras clave: VPH, Prevalencia, Estudiantes Universitarias, Factores De Riesgo, Salud Pública, CitologíaCervical.
INTRODUCCION
Elvirusdelpapilomahumano(VPH)esunodelos principales causantes de infecciones de transmisión sexual en todo el mundo y se considera la infección más comúnmente transmi da por vía sexual en mujeres (1). Este virus representa un factor crucial y necesario en el desarrollo del cáncer cervical, así como de otras afecciones premalignas y malignas como la displasia anogenital, de acuerdo con las directrices de la OrganizaciónMundialdelaSalud(OMS)(2).
Hasta la fecha, los estudios epidemiológicos han iden ficado alrededor de 200 geno pos de VPH, que muestran una alta afinidad por el epitelio escamoso estra ficadocervical,lamucosaoralyeltractoanogenital (3). Los geno pos de alto riesgo oncogénico —asociados directamenteconlaprogresiónalesionesintraepiteliales de alto grado y carcinomas invasores— incluyen los pos 16, 18, 31, 33, 35, 39, 45, 51, 52, 56, 58, 59, 68, 73 y 82; mientras que los de bajo riesgo, vinculados principalmente a verrugas genitales y lesiones benignas, son el 6, 11, 40, 42, 43, 44, 54, 61, 70, 72 y 81 (4). Otros geno pos menos caracterizados, como el 26, 53 y 66, se consideranactualmentedeprobablealtoriesgo(5).
A nivel global, la distribución epidemiológica de los sero pos varía considerablemente. En las regiones de América del Norte, Central y del Sur se encuentran mezclas complejas de los geno pos más comunes, prevaleciendo históricamente los pos 16 y 18 (1). Sin embargo,lamayorprevalenciaacumuladadeVPHdealto riesgo (16, 18, 31, 33, 35, 45, 51, 52, 58, 59) se concentra en las regiones de África y América La na (6). De manera específica,elsero po58muestraunafrecuenciasingular en África Occidental, mientras que los geno pos 33, 39 y 59 exhiben tasas elevadas en Centroamérica y
Sudamérica (7). En contraposición, en Europa, la prevalencia promedio de infección por VPH en mujeres con citología normal se sitúa en torno al 8 2%, concentrándose la mayor tasa en mujeres jóvenes (alcanzando aproximadamente el 25% a los 25 años de edad) y disminuyendo marcadamente al 5-10% después de la tercera década de vida (8). Globalmente, África encabeza la prevalencia de infecciones por VPH con un 24%,seguidadecercaporAméricaLa naconun16%(9).
En el contexto de Ecuador, la ausencia de una estadís ca nacional unificada y sistemá ca sobre la prevalencia del VPH dificulta el establecimiento de una línea base epidemiológica global. No obstante, estudios locales aislados han aportado datos valiosos; por ejemplo, en el año 2019 se reportó un incremento estadís camente significa vo del sero po 31, llegando a superar el 50% de posi vidad en algunas cohortes analizadas (10). Esta variabilidad regional resalta la importancia crí ca de recopilar y actualizar de forma con nua datos epidemiológicos en diversas zonas geográficas e ins tuciones del país. Generar información local fidedigna es un pilar esencial para el diseño de polí cas públicas de salud, la estructuración de programas de prevención primaria y secundaria, y el desarrollo de estrategias de vacunación específicas adaptadasalacargarealdegeno poscirculantes.
Bajo estas premisas, el presente estudio ene como obje vo determinar la prevalencia del VPH y analizar los factores de riesgo asociados en estudiantes universitarias de la Facultad de Ciencias de la Salud de la Universidad Nacional de Chimborazo (UNACH). Dada la naturalezadeestegrupopoblacional—caracterizadopor encontrarse en un rango de edad de máxima vulnerabilidad biológica y epidemiológica para la adquisición del virus—, los resultados pretenden no solo caracterizar el estado citológico y molecular de las par cipantes, sino también aportar evidencia cien fica robusta que sirva de insumo para op mizar las intervencionespreven vasins tucionalesyregionales.
MATERIALESYMETODOS
DiseñoyTipodeInves gación: Se estructuró una inves gación con enfoque mixto El componente cuan ta vo se basó en un diseño metodológico de campo, no experimental y de corte transversal, de alcance exploratorio y descrip vo, desarrollado de forma prospec va durante el periodo comprendido entre noviembre de 2023 y marzo de 2024. El componente cualita vo consis ó en el análisis e interpretación de las alteraciones morfológicas celulares observados en los extendidoscitológicos.
Población y Muestra: La población de estudio
estuvo cons tuida por las estudiantes de sexo femenino matriculadas en la Facultad de Ciencias de la Salud de la Universidad Nacional de Chimborazo (Ecuador). A par r de los registros ins tucionales y aplicando un muestreo probabilís co aleatorio simple, se determinó un tamaño muestralfinalde124estudiantes.
Criterios de Inclusión y Exclusión: Se incluyeron a aquellas estudiantes legalmente matriculadas entre el quintoyoctavosemestredelascarrerasdelaFacultadde Ciencias de la Salud, que declararon ser sexualmente ac vas, con edades comprendidas entre los 18 y 30 años, y que otorgaron voluntariamente su par cipación mediante la firma del consen miento informado Se excluyeron del estudio a las estudiantes de sexo masculino, a quienes no desearon par cipar voluntariamente y a aquellas par cipantes que presentaroncriteriosdeinterferenciaclínicaparalatoma de muestra cervical, tales como: estado de gestación, sangrado menstrual ac vo, realización de intervenciones quirúrgicas cervicales previas o haber recibido tratamiento hormonal, an inflamatorio o an infeccioso de uso local o sistémico por patología genital en los tres mesespreviosaltamizaje.
VariablesdeEstudio: Se recolectaron y evaluaron tres grupos de variables: a) Epidemiológicas y sociodemográficas: edad cronológica (estra ficada por rangos), número de embarazos y úl ma fecha de menstruación; b) Factores de riesgo conductuales: uso y po de métodos an concep vos, número de parejas sexuales a lo largo de la vida y empo transcurrido desde elúl moexamendePapanicolaou(PAP-test);yc)Clínicolaboratoriales: resultados de la evaluación morfológica citológica cervicovaginal y la presencia o ausencia de material gené co del VPH determinado mediante técnicasmoleculares.
Procedimientos Clínicos y de Laboratorio: La fase preanalí ca incluyó la socialización del proyecto en las aulas, la obtención de firmas de consen miento y la aplicación de un cues onario estructurado codificado de forma unívoca para preservar el anonimato. La toma de muestras biológicas se llevó a cabo en los laboratorios clínicos designados de la Facultad de Ciencias de la Salud, cumpliendo estrictamente con las normas de bioseguridad y guías ginecológicas estándar. Mediante la colocación de un espéculo vaginal estéril desechable, se
realizó un raspado del ectocérvix y endocérvix u lizando un hisopo o cepillo citológico. Una alícuota de la muestra se des nó al examen en fresco inmediato para evaluar la microbiota local y descartar infecciones concomitantes. La muestra principal se extendió sobre un portaobjetos, se fijó y se procesó mediante la técnica convencional de nción de Papanicolaou (modificada con Hematoxilina y Eosina),montándosefinalmenteconmedioEntellanpara su lectura microscópica. Fase de Diagnós co Molecular: En todas aquellas estudiantes cuyos extendidos citológicosevidenciaronalgúngradodealteracióncelular (a pias celulares o lesiones intraepiteliales), se procedió de manera sistemá ca a realizar una segunda toma de muestra cervical dirigida Estas muestras fueron some das a un protocolo de extracción de ADN y posterior análisis molecular mediante la técnica de Reacción en Cadena de la Polimerasa (PCR) en empo real u lizando el sistema TaqMan, permi endo la geno pificación precisa y la confirmación de la presencia delvirus.
Procesamiento y Análisis Estadís co: Los datos clínicos, demográficos y laboratoriales fueron tabulados inicialmenteenunabasededatosmatricialempleandoel programa Microso Excel Posteriormente, la matriz validada se exportó al so ware estadís co SPSS versión 24.0 para su procesamiento defini vo. Se ejecutaron análisis estadís cos de po descrip vo para variables categóricas (cálculo de frecuencias absolutas [f] y porcentajes [%]). Los resultados se ordenaron y estructuraron en tablas estadís cas de distribución de frecuenciascruzadasparafacilitarsuinterpretación.
Consideraciones É cas: El protocolo metodológico y los instrumentos de recolección de datos de esta inves gación contaron con el aval, aprobación y cer ficacióndelComitédeÉ cadeInves gaciónenSeres Humanos (CEISH) de la Universidad Central del Ecuador, bajo el código de registro de validación ins tucional 0004-EXT-2021.
El análisis demográfico inicial de la muestra total (n = 124) demostró que la población universitaria evaluada se concentró predominantemente en etapas tempranas de la adultez, registrándose un 49.2% de estudiantes dentro del rango de 22 a 25 años de edad, seguidoporun42.7%correspondientealrangode18a21 años, lo cual denota una homogeneidad etaria propia del entornoacadémicodepregrado.
Como se detalla en la Tabla 1, la evaluación microscópica de los extendidos cervicovaginales determinó que el 75.8% (n = 94) de las universitarias presentó un patrón celular normal. No obstante, un
24.2% evidenció alguna forma de alteración morfológica, registrándose un 13.7% de células escamosas a picas de significado indeterminado (ASC-US), un 8.1% de lesiones intraepiteliales escamosas de bajo grado (L-SIL), un 1.6% delesionesintraepitelialesdealtogrado(HSIL)yun0.8% de células escamosas a picas donde no se puede excluir unalesióndealtogrado(ASC-H).
Tabla 1. Distribución de resultados morfológicos delaslesionescitológicascervicales
Tabla2.Resultadosdeposi vidadmolecularpara VPH mediante PCR en empo real en pacientes con alteracióncitológica
Al concentrar el análisis molecular exclusivamente en la subcohorte de estudiantes que manifestaron criterios citológicos de sospecha o lesión celular (n = 30), la aplicación de la PCR en empo real (TaqMan) demostró que el 73 3% (n = 22) de estas muestras fueron posi vas confirmadas para la presencia deADNdelVPH,mientrasqueel26.7%restante(n=8)se catalogócomonega vomolecular(Tabla2).
Tabla3.Distribucióndemétodosan concep vos empleadosporlapoblaciónestudian l
El análisis conductual de los factores de riesgo expuesto en la Tabla 3 reveló un escenario crí co: el 34 68% de las estudiantes par cipantes reportó no u lizar ningún po de método an concep vo durante sus relaciones coitales. Entre quienes manifestaron usar protección, el preserva vo de barrera fue el más frecuente con un 33 06%, seguido en proporciones decrecientes por esquemas hormonales como la inyección mensual (13.72%), an concep vos orales (11.29%), implante subdérmico (6.45%) y, de manera marginal, el uso del disposi vo intrauterino (DIU) con un 0.81%.
En lo rela vo a la historia de parejas sexuales (Tabla 4), si bien el 46.0% de las estudiantes indicó haber mantenido relaciones sexuales con una sola pareja estable, un porcentaje acumulado mayoritario (54.0%)
declaró haber tenido múl ples compañeros sexuales a lo largo de su vida ac va: el 21.0% reportó dos parejas, el 17.7% tres parejas, y un 15.3% manifestó un historial superioralostrescompañerossexuales.
Tabla 4. Número de parejas sexuales reportadas porlaspar cipantes
5. Distribución temporal y frecuencia del
Finalmente, la Tabla 5 expone la frecuencia de tamizaje citológico cervical previo de las par cipantes, evidenciando una marcada brecha preven va: el 75.0% de las estudiantes universitarias se realizó el examen de Papanicolaou por primera vez en su vida justamente con mo vo de la ejecución de este estudio. Del 25.0% restante que poseía antecedentes de cribado, únicamente el 8.1% se lo había realizado hace un año, el 6.5% hace seis meses, y porcentajes marginales oscilaron enperiodosdedosacincoañosprevios.
Los hallazgos derivados de esta inves gación sobre la prevalencia del VPH y los factores de riesgo asociados en la Facultad de Ciencias de la Salud de la UNACH ponen de manifiesto aspectos epidemiológicos de alto impacto para la medicina preven va. El hallazgo de que el 75.8% de las par cipantes exhibió un perfil citológico normal frente a un 24.2% con diversas alteraciones morfológicas (dominadas por un 13.7% de ASC-US y un 8.1% de L-SIL) confirma una circulación y afectación biológica ac va en mujeres jóvenes. Estos resultados coinciden plenamente con la literatura internacional, la cual documenta que las tasas más altas de a pias citológicas de bajo grado ocurren de manera concentrada durante las etapas iniciales de la vida sexual ac va(11).Porelcontrario,labajaprevalenciaobservada de lesiones de alto grado (1.6% para HSIL y 0.8% para ASC-H) se halla en consonancia con la historia natural de la infección viral, donde los procesos de integración genómica y progresión maligna severa requieren habitualmente de una persistencia viral prolongada a lo largodevariosaños.
Al confrontar la tasa de posi vidad molecular obtenida mediante PCR en las muestras con alteración celular (73.3%), se evidencia una correlación e ológica contundente entre la presencia del VPH y las modificaciones arquitectónicas celulares detectadas por nción ginecológica. Si bien este porcentaje es elevado debido al sesgo de selección interna de la subcohorte molecular (muestras previamente cribadas como
alteradas),resultasumamentevaliosoalcontrastarlocon otros estudios. Por ejemplo, Lagunes (12) reportó un 18.6%deposi vidadgeneralparaVPHenunamuestrano seleccionada de 118 pacientes de una unidad médica mexicana;delmismomodo,Cañarteycolaboradores(13) determinaron un 13 5% de posi vidad global en un estudio amplio sobre 394 muestras ginecológicas en Ecuador, mientras que Izaguirre (14) halló apenas un 5% de posi vidad en un entorno de citología líquida estandarizada La discrepancia en los porcentajes globales responde directamente a si el tamizaje por PCR se aplica como método de cribado primario poblacional general o como prueba refleja ante un hallazgo citológico alterado previo, tal como ocurrió en nuestro diseño metodológico. Esto reitera la u lidad diagnós ca de la PCR en empo real como herramienta complementaria de alta sensibilidad y especificidad para refinar el diagnós copredic vo.
En lo referente a los factores conductuales analizados, el hecho de que un 34.68% de las estudiantes manifestara no usar ningún método an concep vo cons tuyeunindicadorderiesgoalarmante.Laliteratura cien fica ra fica que la ausencia o irregularidad en el uso de métodos de barrera actúa como un determinante directo para la adquisición y transmisión del VPH y otras infecciones de transmisión sexual (1) Lagunes (12) corroboró una asociación estadís camente significa va entre la posi vidad molecular por PCR (dirigida a las regiones L1/L2) y el po de conducta an concep va. Asimismo, las pautas respecto al número de parejas sexuales en la muestra (donde el 54.0% tuvo más de un compañero sexual a lo largo de su vida) se asemejan a los perfiles reportados por Mendoza y colaboradores (15), quienes iden ficaron que el 63% de su muestra presentaba un historial de múl ples parejas sexuales. En una línea concordante, Alarcón y Guillén (16) observaron que el 54.5% de las pacientes de su estudio había tenido entre 2 y 3 parejas sexuales, documentando además que el27.3%deestesubgrupoespecíficoresultóposi vopara VPH. Esto confirma que el recambio de parejas y la falta de protección de barrera actúan de forma sinérgica, potenciando la tasa de exposición y colonización epitelial porcepasviralesdealtoriesgo.
Quizás el hallazgo preven vo más preocupante del presente estudio radica en que el 75.0% de las estudiantes universitarias nunca antes se había realizado un examen de Papanicolaou Este dato revela una cobertura de tamizaje extremadamente deficiente en unapoblaciónque,porencontrarsecursandocarrerasdel área de la salud, teóricamente posee un mayor acceso y nivel de conocimiento teórico respecto al autocuidado ginecológico. Esta realidad supera de forma nega va los hallazgosdeLatacelaycolaboradores(17),quienesenun estudio sobre 175 mujeres de 20 a 65 años en Ecuador
reportaronqueel33.2%nuncasehabíarealizadoun PAP, un porcentaje considerado alto para dicho rango etario. Por el contrario, se distancia sustancialmente del escenario descrito por Machecha y colaboradores (18), dondeúnicamenteel4%delasencuestadasmanifestóno haberse realizado una citología previa, mientras que un robusto 47% se encontraba al día con su control anual. La bajísima adherencia al cribado inicial detectada en la UNACH demuestra la existencia de barreras de acceso, mitos, negligencia o falta de programas ins tucionales ac vos de captación ginecológica en el sector universitario.
Finalmente, es impera vo reconocer las limitaciones metodológicas de esta inves gación para una correcta extrapolación de sus conclusiones. En primer lugar, la naturaleza transversal del diseño imposibilita el establecimiento de nexos de causalidad directaotemporalidadexactaentrelosfactoresderiesgo conductuales y la posterior adquisición de la infección viral o el desarrollo de la lesión. En segundo lugar, al restringirse la muestra a estudiantes de la Facultad de Ciencias de la Salud seleccionadas en laboratorios propios, los resultados podrían presentar un sesgo de
selección que restrinja su generalización automá ca hacia toda la población estudian l de la universidad o haciaadultasjóvenesdelaregióninterandina.Porúl mo, la recolección de antecedentes sexuales y conductuales mediante auto-encuestas ginecológicas puede estar sujetaaunsesgodedeseabilidadsocialodememoriapor parte de las par cipantes, afectando la precisión cuan ta va de estas variables. No obstante, estas limitaciones, el estudio aporta una base diagnós ca molecular pionera y de gran valor para la provincia de Chimborazo, jus ficando plenamente la urgencia de diseñar estrategias de intervención integrales en el ámbitoginecológicouniversitario.
Primera: La presente inves gación determinó una prevalencia considerable de alteraciones citológicas cervicales (24.2%) en la población estudian l de la Facultad de Ciencias de la Salud de la UNACH, concentradas principalmente en lesiones de significado indeterminado(ASC-US)ylesionesdebajogrado(L-SIL).
Segunda: Se constató una sólida correlación >>>
entre los hallazgos citológicos morfológicos y el diagnós co molecular, demostrando mediante la técnica dePCRen emporealqueel73.3%delasestudiantescon lesiones celulares presentaba una infección ac va por el VirusdelPapilomaHumano(VPH).
Tercera: Se iden ficaron perfiles de riesgo conductual sumamente crí cos en la muestra evaluada, caracterizados por una elevada tasa de no u lización de métodos an concep vos (34.68%) y una historia mayoritaria de mul plicidad de parejas sexuales (54.0%), factoresquepropicianlavulnerabilidadbiológicafrentea latransmisiónviral.
Cuarta: Se evidenció una severa deficiencia en materiadeprevenciónginecológicasecundaria,reflejada en el hecho de que las tres cuartas partes de la muestra (75.0%) se realizaron el examen de Papanicolaou por primera vez en su vida con mo vo de este estudio. Esto expone la urgente necesidad de implementar polí cas ins tucionales de salud pública que incluyan campañas permanentesdeeducaciónsexual,programasmasivosde vacunación contra el VPH y jornadas de tamizaje ginecológico obligatorio y periódico para proteger la saludreproduc vadelacomunidaduniversitaria.
1. Bravo E, Águila N, Guerra D, Blanco Y, Rodríguez S. Cáncer cérvico uterino: prevención y tratamiento. Medisur 2020;18(4):612622.
2. Flores A, Rodríguez M, Rodríguez MA, Gómez P, Pinto J Conocimientos y riesgos sobre el VPH y su relación con el cáncer cervicouterino en mujeres entre 20 y 59 años de edad. RIDE Rev IberoamInves gDesarroEduc.2022;12(24):e341.
3. Lara R. Estudio de la profundidad de conización mediante LLETZ y la persistencia de lesión precursora de cáncer de cérvix y de infección por VPH postconización [Tesis doctoral] Murcia: UniversidadCatólicaSanAntoniodeMurcia;2020.
4. ChapaM.Análisisdelamicrobiotacervicaleinfecciónporel virus del papiloma humano en diferentes estadios de la transformación del epitelio cervical [Tesis de maestría]. Monterrey: Ins tutoTecnológicoydeEstudiosSuperioresdeMonterrey;2021.
5. PérezN,TedescoS,GonzálezF,LopezJ,ReyG.Prevalenciade los geno pos de HPV en lesiones pre invasoras de alto grado de malignidad y cáncer de cuello uterino en la población del Hospital de Clínicas.Montevideo-Uruguay AnFacMed.2020;7(2):e204.
6. Bobadilla M, Villagra V, Zorrilla M, Olmedo G, Riveros M, Franco F, et al. Detección y pificación del Virus Papiloma Humano en el marco del tamizaje virológico para la detección de lesiones del cuello uterino en Asunción, Paraguay Mem Inst Inves g Cienc Salud. 2019;17(1):34-42.
7. FalcónD,CarreroY SituaciónactualdelainfecciónporVirus delPapilomaHumano(VPH)asociadoalesionescervicalesenmujeres delecuador RevisiónSystema c.Kasmera.2021;49(1):e49133402.
8. Comité Asesor de Vacunas e Inmunizaciones (CAV-AEP). Virus del Papiloma Humano [Internet]. Madrid: AEP; 2024 [citado
2 0 2 4 j u l 2 0 ] D i s p o n i b l e e n : h ps://vacunasaep org/profesionales/enfermedades/virus-delpapiloma-human
9. Sousa K, Colmenares E Prevalencia de lesiones intraepiteliales cervicales de bajo y alto grado en pacientes en edad fér l.Maracaibo.EstadoZulia.RevDigPostgrado.2019;8(3):21-29.
10. Castro J, Peralta J, Torres T. Virus del Papiloma Humano en mujeres adolescentes, prevalencia, estrategias de prevención y diagnós co.HigíaSalud.2023;9(2):45-53.
11. Beltrán L, García R, Andrade V, Vázquez L, Félix C, Álvarez A. Comparación del Papanicolau con técnica convencional frente a técnica modificada. Rev Med Inst Mex Seguro Soc. 2022;60(2):142149.
12. Lagunes E. Detección y pificación del Virus del Papiloma Humano, en pacientes con citología cervicovaginal normal en una población del IMSS H.G.Z. No. 11 de Xalapa, Veracruz [Tesis de especialidad].Xalapa:UniversidadVeracruzana;2021.
13. CañarteJ,GilerM,SaavedraS.Detección, pificaciónycarga viral del virus papiloma humano asociado a lesiones preinvasoras de cervix.RevGICOS 2021;6(1):78-92.
14. IzaguirreM,MenéndezM.Caracterís casmicroscópicasdel cérvix uterino mediante citología líquida. Arch Med Camagüey. 2023;27:e9241.
15. MendozaL,UrdanetaJ,SilvaC,MaggioloI,BaaelN,MejíaR. Virus de papiloma humano y lesión intraepitelial cervical en adolescentes embarazadas. Rev Dig Postgrado. 2022;11(1):12-23.
Alarcón C, Guillén J Tipificación del Virus Papiloma Humano en mujeres con diagnós co de papanicolaou, Hospital de apoyo Jesús Nazareno,eneroamarzodel2021[Tesisdegrado].
16. Ayacucho: Universidad Nacional de San Cristóbal de Huamanga;2022.
17. LatacelaG,Mar nezP,AngamarcaJ,LozadoD Papanicolaou como medida preven va del cáncer cérvico-uterino Univ Cienc Tecnol.2019;23(95):44-51.
18. Macheca L, Villate S, Puerto D. Conducta frente a la prueba de Papanicolaou: la voz de las pacientes ante la neoplasia de cuello uterino.RevColombEnferm.2019;18(1):e10.
Elsiguienteestudiohablasobrecómolamicrobiotaintestinalafectaatrastornos mentales como la ansiedad y la depresión, y cómo algunos alimentos y suplementos podrían ayudar a mejorar el equilibrio del intestino para prevenir o tratar estas condiciones.
1 1
Lucía García Bugallo , Cayetana Pena Vidal y María 1CastroPenalonga
1 D-Nutricionista de la Unidad de apoyo nutricional del Servicio gallego de salud (Sistema Público de Salud de Galicia(España))
Correspondencia:cayepevi@gmail.com
F u e n t e : R e v i s t a d e M e d i c i n a C l í n i c a 2026;09(04):e01012610001
RESUMEN
Introducción: La microbiota intes nal influye directamenteenlafuncióncerebralyelestadoemocional a través del eje intes no-cerebro. Su desequilibrio se asocia con trastornos mentales, mientras que bacterias como Lactobacillus y Bifidobacterium podrían tener efectosneuroprotectores.
El obje vo de esta inves gación fue analizar la evidencia cien fica disponible sobre la relación entre la
microbiota intes nal y los trastornos mentales, así como evaluar el impacto de los componentes dieté cos naturales en la modulación de dicha microbiota como estrategiapreven vayterapéu ca.
Métodos: Se realizo una revisión sistemá ca de estudios que analizaron cómo la microbiota intes nal influye en trastornos mentales como ansiedad y depresión, destacando el papel del eje intes no-cerebro en la regulación emocional. Mediante una búsqueda minuciosa y el apoyo metodológico de la estrategia PRISMA se seleccionaron estudios que evaluaban el impacto de componentes dieté cos naturales como estrategiapreven vayterapéu ca.
Resultados: En la revisión realizada en la etapa inicial, se iden ficaron 1419 registros provenientes de tres bases de datos cien ficas ampliamente reconocidas en el ámbito de la salud y la nutrición: PubMed, Web of Science y ScienceDirect. y tras aplicar criterios de inclusión centrados en el tema, se seleccionaron 12 ensayos clínicos aleatorizados los cuales aportan evidenciaclavesobrelacontribucióndelaMicrobiotaala
salud.
Conclusión: La disbiosis intes nal aparece como un factor relevante en la fisiopatología de estos cuadros, mediando procesos neuroinflamatorios, alteraciones en el eje intes no-cerebro y desequilibrios en neurotransmisores clave En este contexto, los componentes dieté cos naturales —como probió cos, prebió cos e intervenciones nutricionales específicas— emergen como estrategias prometedoras para modular la microbiota intes nal y, con ello, contribuir a la prevenciónytratamientodelostrastornosmentales.
Palabras clave: Microbiota intes nal, Depresión, Trastornos de ansiedad, Psicobió cos, Prebió cos, Probió cos,Intervencióndieté ca
INTRODUCCIÓN
Los trastornos mentales, como la ansiedad, la depresión, el trastorno bipolar, el espectro au sta y la esquizofrenia, representan una carga creciente para la salud pública mundial, afectando a más de 970 millones de personas en 2019 y generando consecuencias significa vas en la vida personal, social y económica de los afectados. La pandemia por COVID-19 exacerbó esta
problemá ca, intensificando los niveles de estrés, aislamiento y vulnerabilidad emocional, con efectos persistentes en la salud mental global. (1,2) Algunos de estos trastornos se manifiestan cuando los síntomas depresivos se prolongan en el empo y alcanzan una intensidad moderada o alta, la condición adquiere un carácter clínico se-rio, conocida como trastorno depresivo mayor (TDM), también llamado depresión clínica.(3)Enquieneslopadecen,losepisodios endena repe rse con mayor intensidad y muestran una menor respuesta a los tratamientos tradicionales. Esta afección impacta de forma significa va en el desempeño co diano, afectando el ámbito escolar, laboral y familiar, lo que repercute directamente en la calidad de vida. En muchos casos, el TDM se asocia con conductas suicidas. Se es ma que cerca de 800 mil personas fallecen por suicidio cada año, siendo esta la segunda causa de muerteentrejóvenesde15a29años.(4,5)
En paralelo, la inves gación cien fica ha comenzadoaexplorarelpapeldelamicrobiotaintes nal como un modulador clave del eje intes no-cerebro, r e v e l a n d o s u i n fl u e n c i a e n p r o c e s o s neuroinmunológicos, endocrinos y metabólicos que
impactandirectamenteenlafuncióncerebralyelesta-do emocional (6,7) Se ha observado que la disbiosis intes nal puede contribuir al desarrollo y progresión de diversos trastornos mentales, mientras que ciertas bacterias beneficiosas, como Lactobacillus y Bifidobacterium, podrían ejercer efectos protectores mediante la producción de neurotransmiso-res y metabolitos neuroac vos. (7,8) El conjunto de microorganismos que reside en el intes no humano conocido como microbioma intes nal forma un ecosistema complejo que ha sido vinculado con diversos aspectos de la salud, incluyendo condiciones mentales. Estos microbios realizan múl ples funciones metabólicas que pueden influir en el funciona-miento cerebral. (9,10) Un ejemplo de ello son los ácidos grasos de cadena corta, generados por ciertas bacterias intes nales, que es mulan a las células enteroendocrinas a liberar hormonas diges vas, las cuales actúan como mensajeras haciaelcerebro.(11)
Diversos estudios han demostrado que los probió cos pue-den ser efec vos en el abordaje de dis ntas condiciones psicológicas, tales como la ansiedad, (12) la fa ga, los trastornos del estado de ánimo y del sueño, el estrés, los déficits de memoria, (13) la irritabilidad, (14) la depresión postparto, (15) así como en la reducción de síntomas ansiosos y depresivos en personas con esquizofrenia. (12) En años recientes, se ha planteado una posible conexión entre la microbiota intes nal y el funcionamiento cerebral. (13) Este vínculo se establece a través de una ruta de señalización bioquímica que une el tracto gastrointes nal (TGI) con el sistema nervioso central (SNC), y que regula la disponibilidad de compuestos como la serotonina, la quinurenina, el triptófano y los ácidos grasos de cadena corta (AGCC). Además, la microbiota intes nal ene incidencia sobre la permeabilidad de la barrera hematoencefálica, la ac vación de células inmunitarias periféricas y el desempeño de la microglía cerebral. (14) Sehadocumentadoquedesequilibriosenlacomposición microbiana intes nal—conocidos como disbiosis— son frecuentes en personas con enfermedades crónicas, incluyendo el síndrome metabólico (SM) y los trastornos depresivos.(15–18)
Ante la limitada eficacia de los tratamientos convencionales y sus posibles efectos adversos, (19,20) surge la necesidad de inves gar estrategias complementarias basadas en componentes dieté cos naturales que modulen la microbiota intes nal y promuevan la salud mental. En este contexto, alimentos funcionales como probió cos, prebió cos, postbió cos, frutas, verduras, especias y hierbas medicinales han mostrado potencial terapéu co en estudios recientes. (22–24) El obje vo principal de esta revisión sistemá ca es analizar la evidencia cien fica disponible sobre la
relación entre la microbiota intes nal y los trastornos mentales, así como evaluar el impacto de los componentes dieté cos naturales en la modulación de dicha microbiota como estrategia preven va y terapéu ca.
Esta revisión sistemá ca se fundamenta en un análisis exhaus vo de la literatura cien fica contemporánea, con el obje vo de explorar la relación entre la microbiota intes nal y los trastornos mentales —especialmente la ansiedad y la depresión—, así como evaluar el impacto de los componen-tes dieté cos naturales en la modulación de dicha microbiota como estrategia preven va y terapéu ca. El creciente cuerpo de evidencia sobre el eje intes no-cerebro sugiere que el equilibrio microbiano intes nal influye de manera significa va en la regulación emocional, la respuesta al estrés y la neuroinflamación, factores clave en el desarrollodepatologíaspsiquiátricas.
Se parte del reconocimiento de que la salud mental no depende exclusivamente de intervenciones farmacológicasnidepredisposicionesgené cas,sinoque está profundamente influida por la calidad de la alimentación, el es lo de vida y el estado nutricional de base En este contexto, la restauración y el mantenimiento de una microbiota intes nal saludable emergen como obje vos clínicos prioritarios, especialmente en poblaciones vulnerables como adultos mayores,personascontrastornosafec vosrecurrenteso individuosconcomorbilidadesmetabólicas.
La pregunta que orienta esta revisión es: ¿Qué impacto ene la composición y funcionalidad de la microbiota intes nal sobre los trastornos mentales, y cómo pueden los componentes dieté cos como probió cos, prebió cos y alimentos funcionales— contribuir a su modulación para mejorar el bienestar emocional? Para responderla, se establecieron criterios deinclusiónyexclusiónprecisos,serealizóunabúsqueda sistemá caenbasescomoPubMed,ScienceDirectyWeb of Science, y se aplicaron herramientas metodológicas reconocidas como PRISMA25 y CASP26 para evaluar la calidaddelosestudiosseleccionados.
Este enfoque permite consolidar evidencia confiable sobre las interacciones entre nutrición, microbiota y salud mental, aportando insumos técnicos para el diseño de estrategias clínicas integrales. En par cular, se destaca la necesidad de acompañar los tratamientos convencionales con intervenciones nutricionales que incluyan una dieta rica en fibra fermentable, una adecuada ingesta de micronutrientes y el uso de psicobió cos específicos, con el fin de reducir la
inflamación neurointes nal, mejorar la producción de neurotransmisoresypromoverlaresilienciaemocional.
Fuentesdeinformaciónyestrategiadebúsqueda
Con el propósito de realizar una recuperación sistemá ca, exhaus va y per nente de literatura cien fica sobre las interacciones entre la microbiota intes nal y los trastornos mentales —especialmente la ansiedad y la depresión—, se diseñó una estrategia de búsqueda estructurada que abarcó bases de datos especializadas como PubMed, ScienceDirect, Web of Science. Se priorizó la iden ficación de estudios empíricosyrevisionessistemá casqueevaluaranelimpacto de la composición microbiana intes nal sobre la salud mental,asícomoelpapelmoduladordeloscomponentes dieté cos naturales —como probió cos, prebió cos y alimentos funcionales— en la prevención y tratamiento dedichostrastornos.
La estrategia se organizó bajo el modelo PICO, definiendo como población (P): individuos adultos con síntomas de ansiedad, depresión u otros trastornos mentales;intervención(I):administracióndeprobió cos, prebió cos o dietas específicas orientadas a la modulación de la microbiota intes nal; comparador (C): ausencia de intervención nutricional, uso exclusivo de psicofármacos o tratamientos convencionales sin enfoque microbiológico; y resultados (O): indicadores como cambios en el estado emocional, niveles de neurotransmisores,marcadoresinflamatorios,calidadde vida y composición microbiana intes nal. Para op mizar la precisión y cobertura de la búsqueda, se emplearon términos MeSH relacionados con microbiota, salud mental y nutrición (“Gut Microbiota”, “Depression”, “Anxiety Disorders”, “Psycho-bio cs”, “Prebio cs”, “Probio cs”, “Dietary Interven on”), restringiendo los resultados a publicaciones en inglés y español comprendidas entre el 1 de enero de 2020 y el 31 de enero de 2025. El proceso fue documentado rigurosamente, incluyendo fechas de búsqueda, bases consultadas, número de registros recuperados y revisión manualdereferenciasbibliográficasrelevantes.
Esta sistema zación metodológica garan za la transparencia del proceso y la replicabilidad del estudio, fortaleciendo la validez de los hallazgos sobre el papel de lamicrobiota intes nal como mediadora claveen lasalud emocional, y sobre el potencial terapéu co de la nutrición consciente en el abordaje integral de los trastornosmentales.
Criterios de elegibilidad y selección de estudios Criterios deinclusión
Tipo de estudio: Ensayos clínicos aleatorizados
(RCT),estudiosobservacionales,revisionessistemá casy meta-análisis.
Población: Adultos (18 años) con diagnós co clínico de ansiedad, depresión, trastornos afec vos, esquizofrenia,trastornosdelsueñooestréscrónico.
Intervención: Suplementación con probió cos, prebió cos, psicobió cos, metabiotas o dietas específicasquemodulenlamicrobiotaintes nal.
Comparador: Placebo, tratamiento convencional sinintervenciónnutricional,oausenciadeintervención.
Resultados: Cambios en síntomas mentales (medidosconescalasvalidadascomoBDI,HAMD,GAD-7, STAI), composición de microbiota (16S rRNA, metagenómica), marcadores inflamatorios, neurotransmisores,calidaddevida.
Idioma:Publicacioneseninglésoespañol.
Fecha de publicación: Entre enero de 2015 y enerode2025.
Acceso:Textocompletodisponible.
Criteriosdeexclusión
Estudios en animales o modelos in vitro (salvo si seusancomoreferenciacontextual).
Poblaciones pediátricas o geriátricas con comorbilidadesgravesnorelacionadasconsaludmental.
Intervenciones que no incluyan componentes dieté cos o microbiota (ej. solo psicoterapia o farmacoterapiasinanálisisdemicrobiota).
Estudios sin grupo control o sin evaluación pre/postintervención.
Ar culossinrevisiónporpares,editoriales,cartas aleditororesúmenesdecongresos.
Publicaciones duplicadas o con datos insuficientesparaextraerresultadosrelevantes.
Seleccióndeestudios
Primera fase: Los documentos recuperados fueron ges onados mediante la plataforma colabora va Rayyan (CRQI301922),27 que permi ó la detección automá ca y eliminación de duplicados, facilitando la organizacióninicialdelcorpusbibliográficoyagilizandoel flujo de trabajo para su análisis posterior Esta
herramienta también favoreció la categorización preliminar de los estudios según po de intervención (probió cos, prebió cos, psicobió cos), población (adultos con trastornos mentales diagnos cados) y resulta-dos clínicos reportados (síntomas depresivos, ansiedad,calidaddevida,composicióndemicrobiota).
Segundafase:Unavezdepuradalabasededatos, se aplicó un primer filtro de selección centrado en la revisión detallada de tulos y resúmenes, con el fin de verificar la relevancia temá ca de cada publicación y su correspondencia con los criterios de inclusión previamente definidos. Se priorizaron aquellos estudios que abordaran explícitamente la interacción entre el eje microbiota-intes no-cerebro y la sintomatología de trastornos mentales, así como aquellos que incluyeran intervenciones nutricionales orientadas a modular la microbiotaintes nalconfinesterapéu cos.
Los estudios que superaron la primera fase fueron some dos a una revisión exhaus va, lo que permi ó analizar con mayor profundidad su calidad metodológica, la coherencia interna de sus planteamientos y su per nencia en relación con los obje vos de esta revisión. En esta etapa se valoraron aspectosclavecomo:
El po de diseño empleado (ensayos clínicos aleatorizados, estudios longitudinales, revisiones sistemá cas).
La claridad con que se describieron las intervenciones con probió cos, prebió cos o psicobió cos, incluyendo dosis, duración y cepas u lizadas.
La fiabilidad de los instrumentos u lizados para medir variables relevantes como síntomas depresivos, ansiedad, composición de microbiota, marcadores inflamatoriosycalidaddevida.
Proceso de recopilación de datos y evaluación de calidad delosestudios
Evaluacióndelacalidaddelaliteratura
Gracias a la aplicación rigurosa de la herramienta CAS-pe, fue posible seleccionar únicamente aquellos trabajos que demostraban una alta validez interna y externa, aportando evidencia sólida y contextualizada para el análisis final. Esta etapa metodológica no solo fortaleció la credibilidad de los resultados, sino que también permi ó construir una base argumenta va robustaparaeldiseñodeestrategiasclínicasyeduca vas que integren psicobió cos, nutrición consciente y abordajesmul dimensionalesdelbienestaremocional.
La Tabla 1 muestra una recuperación total de 1419 registros distribuidos en tres bases de datos, con una alta proporción de estudios en inglés o español (1416) y realiza-dos en humanos (1414). Al aplicar filtros de temporalidad (2015–2025), el número se reduce a 1258, lo que indica una buena actualización de la evidencia Sin embargo, el acceso libre solo está disponible en 453 documentos, lo que podría limitar la consultadirectaFinalmente,seiden ficaron131ensayos clínicos aleatorizados (ECA), siendo ScienceDirect la fuente más abundante pero también la más exigente en depuración. Esta combinación de fuentes permi ó un análisis equilibrado entre amplitud temá ca y profundidadmetodológicaTabla2,Tabla3.
Tabla1:Estrategiadebúsquedaaplicada
Tabla2:Caracterís casdelosestudios
Tabla3:Resultadosdelosestudios
Selecciónycaracterís casdelosestudios
La selección de estudios que conforman esta revisiónserealizósiguiendolosprincipiosmetodológicos establecidos por la declaración PRISMA, lo que permi ó asegurar un proceso riguroso, transparente y sistemá co en cada una de sus fases En la etapa inicial, se iden ficaron1419registrosprovenientesdecuatrobases de datos cien ficas ampliamente reconocidas en el ámbitodelasaludylanutrición:PubMed,WebofScience yScienceDirect.EstosemuestraenlaFigura1.
Figura 1: Diagrama PRISMA de selección de estudios
Los estudios evaluados pueden agruparse en dos grandes enfoques: por un lado, los observacionales y gené cos que buscan describir la relación entre microbiotaysaludmentalendis ntaspoblaciones,como los trabajos de Tsai et al. (2024, adultos mayores), (28) Misera et al. (2025, pacientes hospitalizados con MDD y esquizofrenia), (29) Zhen Ma et al (2025, análisis gené co en cohortes europeas) (30) y Nikolova et al. (2021, revisión transdiagnós ca en múl ples trastornos psiquiátricos) (39) Por otro lado, se encuentran los ensayosclínicoseintervencionesqueevalúanprobió cos o prebió cos en pacientes con depresión mayor o síntomas subclínicos, como los de Chen et al. (2021, PS128 en MDD), (31) Vaghef-Mehrabani et al. (2023,
inulina en mujeres con obesidad y depresión), (32) Schneider et al (2023, probió cos mul cepa en pacientes hospitalizados), (33) Godzien et al. (2025, LP299v junto a ISRS), (34) Lee et al. (2021, NVP-1704 en adul-tos sanos),35 y Tian et al. (2022, Bifidobacterium breve en MDD)37. Finalmente, las revisiones narra vas de Liu et al. (2023) (36) y Yong et al. (2020) (38) integran evidencia preclínica y clínica para discu r mecanismos y potencial terapéu co de la modulación de la microbiota endepresión.
Así pues, la inves gación de Tsai et al 2024 (28), revela una interacción significa va entre la composición de la microbiota intes nal y la conec vidad funcional cerebral en adultos mayores con depresión tardía (LLD), sugiriendo que el eje microbiota–intes no–cerebro podríadesempeñarunpapelclaveenlafisiopatologíadel trastorno. Se observó que géneros bacterianos como Enterobacter y Burkholderia, más abundantes en pacientes con LLD, se correlacionan posi vamente con síntomas depresivos y patrones de conec vidad cerebral alterados en regiones vinculadas a la regulación emocional,comoelgirofusiforme,elcaudadoylacorteza prefrontal. En contraste, microbios como Odoribacter y Sanguibacteroides, predominantes en controles sanos, mostraron asociaciones inversas Estos hallazgos sugieren que ciertas bacterias podrían modular redes cerebrales implicadas en la percepción emocional y la toma de decisiones, abriendo nuevas vías para intervencionesterapéu casbasadasenlamodulaciónde lamicrobiotaenladepresióngeriátrica.
En este contexto, Zhen Ma et al 2025 (30) ofrece evidencia robusta sobre la relación causal entre la microbiota intes nal y diversos trastornos mentales, revelando que ciertas cepas bacterianas pueden actuar como factores de riesgo o protección según el po de trastorno Mediante análisis de randomización mendeliana,seiden ficóquebacteriascomoEscherichia Shigella están asociadas con mayor riesgo de ansiedad, mientras que otras como Ruminococcaceae NK4A214 se vinculan con menor incidencia de bipolaridad. Además, se demostró que los factores inflamatorios median esta relación, sugiriendo que la microbiota influye en la salud mental a través de mecanismos inmunológicos. Estos hallazgos refuerzan la hipótesis del eje intes no-cerebro comovíaclaveenlae ologíadelostrastornosmentalesy abren posibilidades terapéu cas centradas en la modulacióndelamicrobiota.
Por su parte, Misera et al 2025 (29) aporta evidencia sólida sobre las diferencias en la composición de la microbiota intes nal entre pacientes hospitalizados con depresión mayor (MDD), esquizofrenia (SCZ) y controles sanos, revelan-do patrones microbianos específicos que podrían estar implicados en la
fisiopatología de estos trastornos. Se observó que los pacientes con MDD presentaban una mayor abundancia deAnaeros pes,unabacteriaproductoradebu ratocon potencial efecto an inflamatorio, mientras que los pacientes con SCZ mostraron un aumento de Su erella, asociada a procesos proinflamatorios, y una disminución de Clostridium sensu stricto 1. Lo que sugiere que los perfiles microbianos podrían estar modulando rutas neuroinflamatorias y metabólicas diferenciadas según el diagnós co, lo que refuerza la hipótesis del eje intes nocerebro como vía relevante en la expresión clínica de los trastornosmentales.
La inves gación preliminar de Chen et al, 2021 (31) sugiere que el probió co Lactobacillus plantarum PS128 podría tener un efecto beneficioso sobre los síntomas depresivos en pacientes con MDD, evidenciado por la disminución significa va en las escalas HAMD-17 y DSSS tras 8 semanas de intervención. Sin embargo, no se observaron cambios relevantes en los marcadores de inflamación ni en la composición de la microbiota intes nal, lo que limita la comprensión del mecanismo subyacente. La ausencia de grupo control, el tamaño muestralreducidoylacortaduracióndelestudioimpiden establecer conclusiones firmes, aunque los resultados abren una vía prometedora para futuras inves gaciones controladas que exploren el papel de los psicobió cos en lamodulacióndelejeintes no-cerebro.
Así mismo Vaghef-Mehrabani et al, 2023 (32) su estudio aporta evidencia relevante sobre los límites de la suplementación con inulina en mujeres con obesidad y depresión. A pesar de su diseño riguroso, los resultados no mostraron efectos significa vos sobre los síntomas depresivosnisobrelosbio-marcadoresinflamatoriosode permeabilidad intes nal. La ausencia de cambios podría explicarse por varios factores: la duración rela vamente corta del estudio, la normalidad de los biomarcadores al inicio (lo que reduce el margen de mejora), y la falta de análisis directo de microbiota intes nal, clave para entenderelimpactodelosprebió cos.Además,elefecto Hawthorne —la mejora por el simple hecho de par cipar en un estudio— podría haber influido en ambos grupos. Loquemuestraquelainulina,enestecontexto,noofrece beneficios adicionales sobre una dieta hipocalórica, y refuerzan la necesidad de estudios más prolongados, con análisis microbiológicos y poblaciones con mayor disbiosisbasal.
Por su parte Schneider et al, 2023 (33) aporta evidencia sólida sobre el potencial de los probió cos como terapia complementaria en la depresión, especialmente en el abordaje de síntomas cogni vos. La mejora significa va en la memoria episódica verbal y la normalizacióndelaac vaciónhipocampaldurantetareas de memoria de trabajo sugieren que los probió cos
pueden modular circuitos cerebrales alterados en el MDD Aunque los niveles de BDNF no mostraron cambios significa vos, la tendencia posi va refuerza la hipótesis de que la microbiota intes nal influye en la neuroplas cidad. La intervención corta (4 semanas) y de alta dosis logró efectos comparables a estudios con mayor duración, lo que plantea interrogantes sobre la dosis óp ma y la duración necesaria para beneficios sostenidos. La ausencia de efectos en otras funciones ejecu vas podría deberse a la especificidad de los probió cos sobre dominios hipocampales. En conjunto, los hallazgos respaldan el uso de probió cos como estrategia accesible y no es gma zante para mejorar síntomasafec vosycogni vosenladepresión.
Para Godzin et al 2023 (34) refuerza la hipótesis de que los probió cos pueden modular procesos bioquímicos implicados en la depresión mayor. La suplementaciónconLP299vjuntoaISRSprodujocambios significa vos en metabolitos relacionados con la función mitocondrial, el estrés oxida vo y la inflamación, como la reduccióndeacilcarni nasyN-aciltaurinas,yelaumento de esfingomielinas y aminoácidos clave como D-valina. Aunque los efectos sobre los síntomas clínicos fueron su les,loshallazgosmetabolómicossugierenunamejora en la homeostasis bioquímica, especialmente en rutas vinculadasalejeintes no-cerebro.Laausenciadeanálisis de microbiota limita la interpretación causal, pero el diseño robusto y el enfoque mul plataforma aportan evidenciavaliosasobrelosmecanismossubyacentes.
ElestudiodeLeeetal,2021(35)demuestraqueel probió co NVP-1704 puede mejorar significa vamente los síntomas subclínicos de depresión, ansiedad e insomnio en adul-tos sanos, con efectos observables desde la cuarta semana de intervención. La reducción de IL-6 y el aumento de cepas beneficiosas como Bifidobacterium y Lactobacillus sugieren un mecanismo an inflamatorio vinculado al eje intes no-cerebro. Aunque no se observaron cambios significa vos en BDNF ni en los marcadores del eje HPA, la disminución en la proporción de Enterobacteriaceae frente a cepas comensalesrefuerzalahipótesisdequelamodulaciónde la microbiota puede influir en la salud mental. La mejora en la calidad del sueño y la baja incidencia de efectos adversos consolidan la seguridad y tolerabilidad del tratamiento Sin embargo, la ausencia de análisis preintervención de microbiota y el uso de análisis por protocolo limitan la generalización de los resultados. Aun así, este estudio aporta evidencia valiosa sobre el potencial de los psicobió cos como estrategia preven va ensaludmental.
En síntesis, los estudios con intervención (ya sea probió ca o prebió ca) enden a mostrar mejoras en síntomas depresivos, ansiedad, estrés, insomnio y
funciones cogni vas, mientras que los estudios observacionales refuerzan la asociación entre disbiosis intes nal y trastornos mentales. Esta evidencia sugiere que la modulación de la microbiota, tanto a través de suplementos como de dieta, podría ser una vía complementaria en el tratamiento de la salud mental, especialmente en casos de depresión mayor y condicionescomórbidascomolaobesidad.
La revisión de Liu y colaboradores (2023) (36) aportaevidenciacrecientesobreelpapeldelamicrobiota intes nal en la depresión. La disbiosis se asocia con un aumento de bacterias proinflamatorias y una reducción de especies beneficiosas, lo que favorece procesos inflamatorios sistémicos y alte-raciones en el eje intes no-cerebro. En este contexto, los probió cos emergen como una intervención prometedora: cepas como Lactobacillus y Bifidobacterium han demostrado efectos posi vos en la modulación de neurotransmisores yenlareduccióndesíntomasdepresivos.
Sin embargo, los resultados son heterogéneos y dependen de la cepa u lizada, la duración del tratamiento y las caracterís cas de la población La
evidencia clínica aún es insuficiente para establecer recomendaciones universales, aun-que los hallazgos sugieren que los probió cos podrían ser un coadyuvante en el tratamiento de la depresión, especialmente en combinaciónconterapiasfarmacológicasydieté cas.
Así mismo, Tian y colaboradores (2022) (37) cons tuye una de las primeras evidencias clínicas que vincula directamente la administración de un probió co específico con la mejoría de síntomas depresivos en pacientes con MDD. La intervención con Bifidobacterium breveCCFM1025mostróefectossuperioresalplaceboen la reducción de puntuaciones de depresión, lo que sugiereunpapelmoduladordelejeintes no-cerebro.Los hallazgosindicanquelaaccióndelprobió coserelaciona con la regulación del metabolismo del triptófano, un precursor clave de la serotonina, y con cambios en la composición de la microbiota intes nal Además, la mejoría en síntomas gastrointes nales refuerza la hipótesis de que la salud intes nal influye en el bienestar emocional.
No obstante, el tamaño muestral limitado y la corta duración del ensayo restringen la generalización de
losresultados.Serequierenestudiosmul céntricosycon mayornúmerodepar cipantesparaconfirmarlaeficacia y seguridad de esta intervención. En conclusión, Bifidobacterium breve CCFM1025 emerge como un candidato prometedor en la terapia adyuvante de la depresión mayor, aportando evidencia al creciente campodelospsicobió cos.
LarevisióndeYongycolaboradores(2020)aporta evidencia convincente sobre el papel de los probió cos enlamodulacióndeladepresiónmayor.Losmecanismos descritosincluyenlaregulacióndelejeintes no–cerebro, la producción de neurotransmisores como serotonina y GABA, y la reducción de procesos inflamatorios sistémicos. Estos hallazgos refuerzan la hipótesis de que la disbiosis intes nal contribuye a la fisiopatología de la depresión y que los probió cos pueden actuar como psicobió cos, modulando tanto la microbiota como la respuestaneuroendocrina.
No obstante, la heterogeneidad de los estudios revisados y la ausencia de protocolos estandarizados limitan la generalización de los resultados. La evidencia clínica es prometedora, pero aún insuficiente para establecer recomendaciones defini vas los probió cos representan una estrategia innovado-ra y potencialmenteeficazeneltratamientodelostrastornos depresivos, aunque su aplicación clínica debe ser respaldadaporinves gacionesmásrobustas.
Según Nikolova et al. (2021) (39), los resultados de su revisión y metaanálisis muestran que las alteracionesenlamicrobiotaintes nalnosonespecíficas deunsolodiagnós copsiquiátrico,sinoquesepresentan como un patrón transdiagnós co. En pacientes con d e p r e s i ó n m a y o r, t r a s t o r n o b i p o l a r, esquizofrenia/psicosis y ansiedad se observa una disminución consistente de bacterias productoras de bu rato con propiedades an inflamatorias, como Faecalibacterium y Coprococcus, junto con un aumento de géneros proinflamatorios como Eggerthella. Además, aunque se detectó una reducción en la riqueza microbiana —par cularmente en bipolaridad y anorexia nerviosa— los índices de diversidad global (Shan-non y Simpson) no mostraron diferencias significa vas, lo que sugiere que el problema radica más en la pérdida de bacteriasclavequeenladiversidadtotal.
Esto, refuerzan la idea de que los trastornos psiquiátricos comparten mecanismos biológicos relacionadosconinflamaciónymetabolismomicrobiano, más que presentar perfiles únicos de disbiosis La evidencia apunta a que la microbiota intes nal podría funcionar como un biomarcador transdiagnós co, ú l para mejorar la precisión diagnós ca y el seguimiento terapéu co. En este sen do, señalan que la modulación
del microbioma podría conver rse en una estrategia clínica con impacto transversal en múl ples trastornos, abriendo nuevas posibilidades para intervenciones basadasenlarestauracióndelequilibriomicrobiano.
Como conclusión de esta revisión sistemá ca, se confirma que existe una creciente y sólida evidencia cien fica que respalda la relación entre la microbiota intes nal y diversos trastornos mentales, especialmente la depresión, la ansiedad, el estrés y los trastornos del sueño. La disbiosis intes nal apare-ce como un factor relevanteenlafisiopatologíadeestoscuadros,mediando procesos neuroinflamatorios, alteraciones en el eje intes no-cerebro y desequilibrios en neurotransmisores clave. En este contexto, los componentes dieté cos naturales como probió cos, prebió cos e intervenciones nutricionales específicas emergen como estrategias prometedoras para modular la microbiotaintes naly,conello,contribuiralaprevención ytratamientodelostrastornosmentales.
Los estudios analizados muestran que tanto los psicobió cos como los prebió cos pueden mejorar síntomas depresivos, reducir marcadores inflamatorios, favorecer la producción de BDNF y mejorar la calidad del sueño y la función cogni va. Aunque aún se requieren ensayos clínicos más amplios y estandarizados para establecer dosis, cepas y protocolos óp mos, los hallazgos actuales abren una vía terapéu ca complementaria que integra salud mental y salud diges va desde una perspec va holís ca. En suma, la modulación de la microbiota intes nal mediante componentes dieté cos naturales representa una estrategia innovadora, segura y potencialmente eficaz para abordar los trastornos mentales, especialmente en poblaciones vulnerables o con resistencia a tratamientos convencionales. Esta aproximación refuerza la necesidad de considerar el eje intes no-cerebro como un blanco terapéu co legí mo en el diseño de intervenciones integralesensaludmental.
Este estudio no involucra consideraciones é cas yaqueesunarevisiónsistemá cayunmetaanálisisy,por lo tanto, no requiere consen miento informado por escrito.
INFORMACIÓNDEFINANCIACIÓN
Esteestudionorecibiófinanciación.
Los autores declaran que no enen conflictos de intereses.
1. Pan KY, Kok AAL, Eikelenboom M, Horsfall M, Jorg F Luteijn RA, Rhebergen D van Oppen P Giltay EJ Penninx B. The mental health impact of the COVID-19 pan-demiconpeoplewithandwithoutdepressive,anxiety orobsessive-compulsivedisorders:AlongitudinalstudyofthreeDutchcase-controlcohorts.Lancet Psychiatry 2021;8:121–9.doi:10.1016/S2215-0366(20)30491-0.
2. Toubasi AA, AbuAnzeh RB, Abu Tawileh HB, Aldebei RH, Alryalat SAS. A meta-analysis: The mortality and severity of COVID-19 among pa ents with mental disorders. Psychiatry Res. 2021;299:113856. doi:10.1016/j.psychres.2021.113856.
3. Forssten SD Ouwehand AC, Griffin SM, Pa erson E. One giant leap from mouse to man: The microbiota-gut-brain axis in mood disorders and transla onal challenges mo-ving towards human clinical trials. Nutrients. 2022;14:568. doi:10.3390/nu14030568.
4. Wang PS, Aguilar-Gaxiola S, Alonso J, Angermeyer MC, Borges G, Bromet EJ, Bruffaerts R, de Girolamo G, de Graaf R, Gureje O, et al. Use of mental health services or anxiety, mood, and substance disorders in 17 countries in the WHO world mental health surveys. Lancet. 2007;370:841–50. doi:10.1016/S0140-6736(07)61414-7.
5. GBD. Global, regional, and na onal incidence, pre-valence, and years lived with disability for 354 diseases and injuries or 195 countries and territories, 1990–2017: A systema c analysis for the Global Bur-den of Disease Study 2017. Lancet. 2018;392:1789–858. doi:10.1016/S0140-6736(18)32279-7.
6. Godos J, Curren W, Angelino D Mena P, Castellano S, Caraci F, Galvano F, Del Rio D Ferri R, Grosso
7. G. Diet and mental health: Review of the recent updtes on molecular mechanisms. An oxidants. 2020;9:346. doi:10.3390/an ox9040346.
8. Kennedy PJ Murphy AB, Cryan JF, Ross PR, Dinan TG, Stanton C. Microbiome in brain func on and men-tal health. Trends Food Sci Technol. 2016;57:289–301. doi:10.1016/j. fs.2016.05.001.
9. Bha a NY, Jalgaonkar MP, Hargude AB, Sherje AP Oza MJ, Doshi GM. Gut-brain axis and neurological disorders-how microbiomes affect our mental health. CNS Neurol Disord Drug Targets. 2023;22:1008–30. doi:10.2174/1871527321666220822172039.
10. Asher GN, Gerkin J Gaynes BN. Complementary therapies for mental health disorders. Med Clin North Am. 2017;101:847–64. doi:10.1016/j.mcna.2017.04.004.
11. Lakhan SE, Vieira KF Nutri onal therapies for mental disorders. Nutr J. 2008;7:2. doi:10.1186/1475-2891-7-2.
12. Zhernakova A, Kurilshikov A, Bonder MJ, Tigchelaar EF Schirmer M, Vatanen T, Mujagic Z, Vila AV Fa-lony G, Vieira-Silva S, et al. Popula on-based meta-genomics analysis reveals markers for gut microbiome composi on and diversity. Science. 2016;352(6285):565–9. doi:10.1126/science.aad3369.
13. McEwen BJ, Fenasse R. Probio cs and depression: The link between the microbiome-gut-brain axis and diges ve and mental health. J Aust Tradit Med Soc. 2019;25:132.
14. Goulet O. Poten al role of the intes nal microbiota in programming health and disease. Nutr Rev. 2015;73(Suppl 1):32–40. doi:10.1093/nutrit/nuv039.
15. Hawrelak JA, Myers SP The causes of intes nal dysbiosis: A review. Altern Med Rev. 2004;9:180–97.
16. Ho P Ross DA. More than a gut eeling: The implica ons of the gut microbiota in psychiatry Biol Psychiatry. 2017;81:e35–7.
doi:10.1016/j.biopsych.2016.12.018.
17. Lozupone CA, Stombaugh JI, Gordon JI, Jansson JK, Knight R. Diversity, stability and resilience of the human gut micro-biota. Nature. 2012;489:220–30.
doi:10.1038/nature11550.
18. Vlainic JV Suran J Vlainic T, Vukorep AL. Probio cs as an adjuvant therapy in major depressive disorder Curr Neuropharmacol. 2016;14:952–8.
doi:10.2174/1570159X14666160526120928.
19. Valles-Colomer M, Falony G, Darzi Y, Tigchelaar EF Wang J Tito RY Schiweck C, Kurilshikov A, Joossens M, Wij-menga C, et al. The neuroac ve poten al of the human gut microbiota in quality of life and depression. Nat Microbiol. 2019;4(4):623–32. doi:10.1038/s41564-018-0337-.
20. Gacesa R, Kurilshikov A, Vich Vila A, Sinha T Klaassen MAY Bolte LA, Andreu-Sánchez S, Chen L, Collij V Hu S, et al. Environmental factors shaping the gut microbiome in a Dutch popula on. Nature. 2022;604(7907):732–9. doi:10.1038/s41586-022-04567-7.
21. Silva YP, Bernardi A, Frozza RL. The role of short-chain fa y acids from gut microbiota in gut-brain communica on. Front Endocrinol. 2020;11:25. doi:10.3389/fendo.2020.00025.
22. Pferschy-Wenzig EM, Pausan MR, Ardjomand-Woelkart K, Röck S, Ammar RM, Kelber O Moissl-Eichinger C, Bauer R. Medicinal plants and their impact on the gut microbiome in mental health: A systema c review Nutrients. 2022;14:2111. doi:10.3390/nu14102111.
23. Mörkl S, Wagner-Skacel J Lahousen T, Lackner SJ Hola-sek SJ, Bengesser SA, Painold A, Holl AK, Reininghaus E. The role of nutri on and the gut-brain axis in psychiatry: A review of the literature. Neuropsychobiology 2020;79:80–8. doi:10.1159/000492834.
24. David LA, Maurice CF Carmody RN, Gootenberg DB Bu on JE, Wolfe BE, Ling AV, Devlin AS, Varma Y, Fischbach MA, et al. Diet rapidly and reproducibly alters the human gut microbiome. Nature. 2014;505:559–63. doi:10.1038/nature12820.
25. McEwen BJ. The influence of diet and nutrients on platelet func on. Semin Thromb Hemost. 2014;40:214–26. doi:10.1055/s-0034-1365839.
26. Page MJ McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline or repor ng systema c reviews. BMJ. 2021;372:n71.
27. Cri cal Appraisal Skills Programme (CASP). CASP checklists: Making sense of evidence Internet Oxford: CASP UK; 2018 cited 2025 Aug 21 Available from: h ps://casp-uk.net/casp-tools-checklists/
28. Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. Rayyan—a web and mobile app or systema c reviews. Syst Rev. 2016;5(1):210.
29. Tsai CF Chuang CH, Tu PC, Chang WC, Wang YP, Liu PY, Wu PS, Lin CY Lu CL. Interac on of the gut microbiota and brain func onal connec vity in latelife depression. J Psychiatry Neurosci. 2024;49(5):E289–300. doi:10.1503/jpn.240050.
30. Misera A, Kaczmarczyk M, Łoniewski I, Lis´kiewicz P, Pod-siadło K, Misiak B et al. Compara ve analysis of gut microbiota in major depressive disorder and schizophrenia during hospitalisa on – the case-control, post hoc study. Psychoneuroendocrinology Internet . 2025 Jan;171:107208. Available from: h ps://doi.org/10.1016/j.psyneuen.2024.107208
31. Ma Z, Zhao H, Zhao M, Zhang J Qu N. Gut microbiotas, inflammatory factors, and mental-behavioral disorders: A mendelian randomiza on study. J Affect Di-sord Internet 2024 Nov 19;371:113–23. Available from: h ps://doi.org/10.1016/j.jad.2024.11.049
32. Chen HM, Kuo PH, Hsu CY Chiu YH, Liu YW, Lu ML, Chen CH. Psychophysiological effects of Lactobacillus plantarum PS128 in pa ents with major depressive disorder: A preliminary 8-week open trial. Nutrients. 2021;13(11):3731. doi:10.3390/nu13113731
33. Vaghef-Mehrabani E, Harouni R, Behrooz M, Ranjbar F Asghari-Jafarabadi M, Ebrahimi-Mameghani M. Effects of inulin supplementa on on inflammatory biomarkers and clinical symptoms of women with obesity and depression on a calorie-restricted diet: A randomised controlled clinical trial. Br J Nutr. 2023;129(11):1897–907. doi:10.1017/S000711452200232X
34. Schneider E, Doll JPK, Schweinfurth N, Ke elhack C, Schaub AC, Yamanbaeva G, et al. Effect of short-term, high-dose probio c supplementa on on cogni on, related brain func ons and BDNF in pa ents with depression: A secondary analysis of a randomized controlled trial. J Psychiatry Neurosci. 2023
Jan 18;48(1):E23–33. doi:10.1503/jpn.220117
35. Godzien J, Kalaska B Rudzki L, Barbas-Bernardos C, Swie-ton J Lopez-Gonzalvez A, Ostrowska L, Szulc A, Waszkie-wicz N, Ciborowski M, García A, Kretowski A, Barbas C, Pawlak D Probio c Lactobacillus plantarum 299v supple-menta on in pa ents with major depression in a double-blind, randomized, placebo-controlled trial: A metabolomics study. J Affect Disord Internet 2024 cited 2024 Sep 23 ;368.Available from: h ps://doi.org/10.1016/j.jad.2024.09.058
36. Lee HJ, Hong JK, Kim JK, Kim DH, Jang SW Han SW, Yoon IY. Effects of probio c NVP-1704 on mental health and sleep in healthy adults: An 8-week randomized, double-blind, placebo-controlled trial. Nutrients. 2021;13(8):2660. doi:10.3390/nu13082660
37. Liu L, Wang H, Chen X, Zhang Y, Zhang H, Xie P Gut microbiota and its metabolites in depression: from pathogenesis to treatment. eBioMedicine. 2023 Mar;90:104527. doi:10.1016/j.ebiom.2023.104527. Available from: h ps://pmc.ncbi.nlm.nih.gov/ar cles/PMC10051028/
38. Tian P Chen Y, Zhu H, Wang L, Qian X, Zou R, Zhao J Zhang H, Qian L, Wang Q, et al. Bifidobacterium breve CCFM1025 a enuates major depression disorder via regula ng gut microbiome and tryptophan metabolism: A randomized clinical trial. Brain Behav Immun. 2022 Feb;100:233–41. doi:10.1016/j.bbi.2021.11.023.
39. Yong SJ, Tong T, Chew J Lim WL. An depressive mechanisms of probio cs and their therapeu c poten al. Front Neurosci. 2020 Jan 14;13:1361. doi:10.3389/fnins.2019.01361. Available from: h ps://pmc.ncbi.nlm.nih.gov/ar cles/PMC6971226/
40. Nikolova VL, Hall MRB Hall LJ Cleare AJ Stone JM, Young AH. Perturba ons in gut microbiota composi on in psychiatric disorders: A review and metaanalysis. JAMA Psychiatry 2021;78(12):1363–72. doi:10.100
Este texto analiza la obesidad sarcopénica en niños y adolescentes, enfocándose en la importancia de diagnosticarla y tratarla para prevenir complicaciones cardiometabólicas. Se destaca cómo la combinación de obesidad y pérdida de masa muscularafectanegativamentelasaludmetabólicaylacalidaddevidadelosjóvenes.
1 Iliana María Hernández de Hernández , Marlene Ferrer
2Arrocha
1 Hospital Nacional de Niños Benjamín Bloom, San Salvador,ElSalvador
2 Centro de Inves gaciones y Referencias de Aterosclerosis,LaHabana,LaHabana,Cuba
Correspondencia:marlene.ferrer@infomed.sld.cu
Fuente:RevistaFinlay2025,enero2025.Vol5.Número0. h ps://revfinlay.sld.cu/index.php/finlay/ar cle/view/15 74
La obesidad es una enfermedad crónica de e ología mul factorial, que se caracteriza por una acumulaciónexcesivadegrasacorporalyseacompañade alteraciones metabólicas y psicosociales. Su prevalencia se incrementa de forma alarmante en todo el mundo. El término sarcopenia agrupa la pérdida de la masa
muscular y la reducción de la fuerza muscular o rendimiento sico. Puede aparecer en los niños con problemas de desnutrición por defecto y en aquellos con un exceso de adiposidad central, lo que se conoce como obesidad sarcopénica. Esta condición afecta de forma significa va los efectos nega vos de la obesidad sobre la salud, la disminución de la masa muscular puede promover la resistencia a la insulina, lo que afecta el metabolismo y la regulación de la glucosa. A pesar de las evidenciasquedemuestranelaumentodelamorbilidady mortalidad, no existe consenso para su iden ficación y tratamiento en niños y adolescentes. El presente estudio ene el propósito de exponer los aspectos relacionados con el diagnós co y manejo de la obesidad sarcopénica en pediatría y la importancia de su iden ficación para evitar complicaciones cardiometabólicas y mejorar la calidaddevida.
Palabras clave: obesidad, sarcopenia, fuerza muscular, niños,adolescentes.
INTRODUCCIÓN
LaOrganizaciónMundialdelaSalud(OMS),ensu 57 Asamblea celebrada en mayo de 2004, declaró la obesidadcomolaepidemiadelsigloXXI.Paraelaño2030 se pronos ca que 39,8 millones de niños de 5 a 19 años serán obesos. La evidencia actual apoya la hipótesis de que la propensión a la obesidad se origina en etapas tempranas del desarrollo y enen efectos inter y transgeneracionales, además, conlleva un creciente gasto en salud (en la atención médica, menor produc vidad laboral y rendimiento académico, enfermedadesasociadas).(1)Seasociaaunmayorriesgo de hipertensión, resistencia a la insulina, enfermedad del hígado graso, disfunción ortopédica y la angus a psicosocialporlaes gma zación.(2)
La obesidad sarcopénica, es un término que combina la presencia de obesidad con sarcopenia, lo que agrava sus efectos nega vos para la salud. Se asocia con una mayor discapacidad, morbilidady mortalidad que las dos en dades por separado debido a la doble carga metabólica derivada de la baja masa muscular (sarcopenia) y el exceso de adiposidad (obesidad), por lo
quelosefectossemaximizan.
La necesidad de encontrar metodologías diagnós cas para medir el riesgo cardiovascular, que junto a las medidas antropométricas básicas como el índice de masa muscular (IMC), puedan dis nguir la composición corporal desde su masa magra y grasa y la especificación de los compar mentos que ocupa, resulta de gran importancia, sin embargo, estas mediciones no son u lizadas de forma ru naria en la evaluación de los niños con sobrepeso y obesidad. Existen diferentes métodos para el diagnós co y manejo de la obesidad sarcopénica en las edades pediátricas, aunque los protocolos están en desarrollo y no están totalmente estandarizados ya que, pocas inves gaciones estudian la presencia de la sarcopenia en la infancia y la adolescencia.
Elpresenteestudio eneelpropósitodeexponer los aspectos relacionados con el diagnós co y manejo de la obesidad sarcopénica en pediatría y la importancia de su iden ficación para evitar complicaciones cardiometabólicasymejorarlacalidaddevida.
La sarcopenia es una enfermedad del músculo esquelé co caracterizada por una disminución de la fuerzamuscular,lamasamuscularyelrendimiento sico. Los mecanismos que intervienen en el inicio y la progresión de la sarcopenia son muy complejos, y entre ellos hay que considerar aspectos nutricionales, endocrinos, inac vidad sica y cambios en el metabolismo a nivel de las fibras musculares. (3) El sedentarismo puede agravar el efecto de la disminución del gasto energé co y promover el ciclo vicioso de la obesidad (mayor peso corporal- menor ac vidad sicamenor masa libre de grasa-aumento de peso corporal). (4)
Lae opatogeniaesmul factorial,sesugiereque los mediadores inflamatorios y la resistencia a la insulina desempeñan un papel relevante. Aunque no existe un consenso claro sobre su definición y métodos diagnós cos, hay un creciente interés por disponer de biomarcadoresqueayudenasudetecciónyseguimiento. (5) En el año 2019, la European Working Group on Sarcopenia in Older People (EWGSOP), publicó una definición actualizada de sarcopenia (EWGSOP2). En esta definición, se propone dejar de considerarla como un síndrome geriátrico para definirla como una enfermedad del músculo esquelé co (insuficiencia muscular), que podía producirse en otras edades de la vida. Se añade un nuevoenfoquee ológico,alclasificarlasarcopeniacomo primaria a la relacionada con la edad sin otras causas obvias y la secundaria, relacionada con el desuso, la enfermedadolanutrición.(6)
Para confirmar el diagnós co de la sarcopenia se debe detectar una can dad o calidad muscular baja. En adultos se ha basado en la evaluación de la disminución de la masa muscular, la fuerza y el rendimiento sico. De esta forma, los parámetros para valorar la presencia de la sarcopenia se centran en la determinación de la can dad demúsculoysufuncionalidad.(5)
Existen diversas técnicas de medición para valorar la pérdida de la masa muscular, como la impedancia bioeléctrica, la resonancia magné ca y la densitometría, que permiten la medición de diferentes compar mentos corporales. Otras como la tomogra a axial computarizada (TAC) y la resonancia magné ca (RM), se consideran los métodos de referencia para es marlamasamuscular,sinembargo,estassontécnicas limitadasenlaprác caclínicaderu na,porsualtocosto, el acceso limitado a los equipos y la exposición a la radiación en algunas de ellas. También pueden requerir una cooperación durante las mediciones para mantener inmóviles a los bebés y niños pequeños, lo que hace de estastécnicasundesa o.(7,8)
Otras opciones más fac bles para la medición de la masa corporal y la función muscular son la antropometría y las pruebas sicas. Uno de los métodos u lizados para su diagnós co es la fuerza de prensión manual (FPM), que ha sido considerada en estudios recientes como un marcador clave para iden ficar la sarcopenia en niños con obesidad. (9) En poblaciones en edadespediátricasconobesidad,valoresbajosseasocian con una menor ap tud cardiorrespiratoria, elevación de marcadores inflamatorios (proteína C reac va y mayor riesgometabólico).
La fuerza muscular medida a través de la fuerza de prensión manual (FPM) por dinamometría se considera como indicador “proxy” para evaluar el estado y/o desempeño muscular de un individuo. Esta medición portá l, no invasiva, confiable y de bajo costo. Se ha propuesto que se u lice la FPM rela va (FPM/IMC), para considerar los cambios en la maduración y el tamaño corporaldelosniños.(10)
Ramírez-Vélez y cols. en escolares de Bogotá, demostraron que el índice de masa corporal (IMC), la relación cintura/cadera y el porcentaje de grasa corporal, se relacionan inversamente con la FPM, además el feno po de baja fuerza muscular con altos niveles de adiposidad se describe también en niños y adolescentes con alteraciones del perfil lipídico, hipertensión y resistenciaalainsulina.(11)
La FPM se correlaciona con la proporción de pérdida proteica y muestra cambios precoces de deprivación de nutrimentos si se compara con indicadoresdecomposicióncorporal.Tieneunacreciente aplicación clínica y epidemiológica, como parte del diagnós co de sarcopenia. Se u liza como marcador clave para iden ficar sarcopenia en niños con obesidad, especialmente cuando se correlaciona con parámetros antropométricos como el IMC. Este método refleja no solo la masa muscular, sino también su funcionalidad. (12,13)
Aunque no hay consenso de la evaluación de la sarcopenia en la población pediátrica, estudios, como el de Metzer y cols. (14) proponen curvas específicas por edad y sexo relacionadas con el área total del músculo, que se pueden usar para pacientes en edades pediátricas de 1 a 16 años. A par r de ellas se pueden derivar los puntajes Z y percen les específicos de sexo y edad del área del músculo a través de una calculadora disponible enlíneaeiden ficarlapresenciadesarcopenia.
Aunque no existe un protocolo único para su manejo, se debe realizar una evaluación clínica inicial (laboratorios básicos, perfil lipídico, función hepá ca y renal), cambios en la dieta, ejercicio adaptado y
seguimiento mul disciplinario. La intervención se basa en mejorar la masa muscular y reducir la grasa corporal mediante ejercicio sico (resistencia y aeróbico) y nutriciónadecuada,conapoyofamiliarypsicológico.(9)
La obesidad sarcopénica en niños y adolescentes ejerce un efecto desfavorable en la salud y la calidad de vida, requiere un enfoque mul disciplinario que integre evaluación diagnós ca rigurosa y estrategias terapéu caspersonalizadas.
Los autores declaran la no existencia de conflictosdeinteresesrelacionadosconelestudio.
1.Conceptualización: Iliana María Hernández de Hernández.
2. Curación de datos: Iliana María Hernández de Hernández.
3. Análisis formal: Marlene Ferrer Arrocha.
4. Adquisición de fondos: Esta inves gación no contó con adquisición de fondos.
5. Inves gación: Iliana María Hernández de Hernández, Marlene Ferrer Arrocha.
6. Metodología: Iliana María Hernández de Hernández, Marlene Ferrer Arrocha.
7. Administración del proyecto: Iliana María Hernández de Hernández.
8. Recursos: Iliana María Hernández de Hernández, Marlene Ferrer Arrocha.
9. So ware: Iliana María Hernández de Hernández.
10. Supervisión: Marlene Ferrer Arrocha.
11. Validación: Iliana María Hernández de Hernández.
12. Visualización: Iliana María Hernández de Hernández.
13. Redacción del borrador original: Iliana María Hernández de Hernández.
14. Redacción – revisión y edición: Iliana María Hernández de Hernández, Marlene Ferrer Arrocha.
REFERENCIASBIBLIOGRÁFICAS
1. Bray GA, Kim KK, Wilding JP; World Obesity Federa on Posi on Statement. Obesity:achronicrelapsingprogressivediseaseprocess.Aposi onstatementoftheWorld ObesityFedera on.ObesRev 2017;18(7):715-23.
2. Benítez N, Pérez A, Camacho S, Fernández T, Petermann F, Valera D, et al. Es gma zacióndelaobesidad:unproblemaaerradicar RevEspNutrHumDiet[Internet].
2 0 2 1 [ c i t a d o 8 / 7 / 2 0 2 4 ] ; 2 5 ( 1 ) [ a p r o x 4 p ] D i s p o n i b l e e n : h ps://scielo.isciii.es/scielo.php?script=sci_ar ext&pid=S2174-51452021000100005.
3. Hernández J, Licea ME, Castelo L. Algunos aspectos de interés relacionados con la obesidad sarcopénica Rev Cubana Endocrinol[Internet] 2015[citado 19/5/2024];26(3):[aprox.12p.].
Disponible en: h ps://revendocrinologia sld cu/index php/endocr inologia/ar cle/download/7/7?inline=.
4. Cárdenas D, Montealegre AL, Ladino L. El papel de la ac vidad sica y el ejercicio en la obesidad Rev Nutr Clin Metab[Internet] 2019[citado 19/5/2024];2(2):[aprox.10p.].
Disponible en: h ps://revistanutricionclinicametabolismo org /ind ex.php/nutricionclinicametabolismo/ar cle/view/23/26.
5. Ciudin A, Simó A, Palmas F, Barahona MJ Obesidad Sarcopénica: un nuevo reto en la clínica prác ca Endocrinol Obes Nutr[Internet] 2020[citado
12/6/2024];67(10):[aprox.8p.].
Disponible e n : h p s : / / w w w s c i e n c e d i re c t co m
s/pii/S2530016420301038.
6. Romero SD, Guio YD, Forero LC, Bahamón MP Sarcopenia en pediatría, un nuevo panorama: revisión narra va Rev Nutr Clin Metab[Internet] 2023[citado 4/7/2024];6(1):[aprox.7p.].
Disponible en: h ps://revistanutricionclinicametabolismo org /ind ex.php/nutricionclinicametabolismo/ar cle/view/486/712.
7. Boster JM, Browne LP, Pan Z, Zhou W, Ehrlich PF, Sundaram SS. Higher mortality in pediatric liver transplant candidates with sarcopenia Liver Transpl 2021;27(6):808-17.
8. Veje CW, Tinggaard J, Whinter K, Mouritsen A, Hagen SP, Mieritz MG, et al. Body fat throughout childhood in 2647 healthy Danish children: agreement of BMI, waist circumference, skinfolds with dual X-ray absorp ometry Eur J Clin Nutrn. 2014;68(6):66470.
9. Palos AG, Ríos MJ, Campos Cl, González O, Acebo ML, Hernández DG, et al. Fuerza de agarre como predictor de composición corporal en estudiantes universitarias. RevChilNutr[Internet]. 2020[citado 15/5/2025];47(4):[aprox 7p ] Disponible en: h ps://www scielo cl/scielo php?script=sci ar ex t&pid=S071775182020000400604&lng=es.
10. Steffl M, Chrudimsky, Tufano JJ Using rela ve handgrip strength to iden fy childrenatriskofsarcopenicobesity PLoSOne.2017;12(5):e0177006.
11. Fuentes H, Aguilera RA, González C. Fuerza de prensión manual, importancia de su evaluación en niños y adolescentes con riesgo de obesidad sarcopénica. Nutr Hos[Internet].2022[citado15/5/2025];39(6):[aprox.2p.]. Disponible en: h ps://scielo isciii es/scielo php?script=sci ar ex t&pid=S021216112022001000028&lng=es.
12. Serrano MD, Romero JF, Moreno S, Mesa MS, Cabañas MD, Pacheco JL, et al. Handgripstrengthinchildrenand teenagersagedfrom6to18years:referencevaluesand rela onshipwithsizeandbodycomposi on.AnPediatrBarcSpain.2009;70(4):340-8.
13. Triana HR, Or z LE, Ramírez R. Lower grip strength values are associated with increased levels of adiposity and excess weight: a cross-sec onal study Nutr Hosp. 2022;39(4):752-9.
14. Metzger GA, Sebas ão YV, Carsel AC, Nishimura L, Fisher JG, Deans KJ, et al. Establishing reference values for lean muscle mass in the pediatric pa ent. J Pediatr GastroenterolNutr 2021;72(2):316-23.
EDUCACIÓN A DISTANCIA
Actualización en Salud Reproductiva
Masculina On demand
Organiza: SAEGRE (Sociedad Argentina de Endocrinología Ginecológica y Reproductiva)
Mail: congresosaegre@gmail.com
Web:
https://saegre.org.ar/curso_online_repro_m asculina.asp
Western Blot
Inscripción: On demand
Organiza: Organiza Blocealab
Mail: cursos@biocealab.com
Web: www.biocealab.com
Microbiología para no microbiólogos
Inscripción: permanente
Organiza: UDEMY
Web:
https://www.udemy.com/course/microbiolo gia-para-no-microbiologos
Curso básico de control de calidad en el Laboratorio clínico
Inscripción: permanente
Organiza: UDEMY
Web:
https://www.udemy.com/course/cursobasico-de-control-de-calidad/
Introducción a los Ensayos Clínicos
Inscripción: permanente
Organiza: UDEMY
Web:
https://www.udemy.com/course/introduccio n-a-los-ensayos-clinicos/
Estadística para ciencias de la salud
Inscripción: permanente
Organiza: UDEMY
Web:
https://www.udemy.com/course/estadisticapara-ciencias-de-la-salud/
Curso asesor genético
Modalidad: a distancia
Organiza Fundación Química Argentina
Web: https://fundacionquimica.org.ar/cursos/curs os/asesor-genetico/
El laboratorio en Endocrinología
Ginecológica y Reproductiva
Modalidad: a distancia
Organiza SAEGRE (Sociedad Argentina de Endocrinología Ginecológica y Reproductiva)
Mail: congresosaegre@gmail.com Web: http://saegre.org.ar/curso_online_laborator io.asp
Especialización en Química Clínica
Fecha 2026 (mes a confirmar) Organiza UBA (Universidad de Buenos Aires)
Mail: posgrado@ffyb.uba.ar
Web: https://www.ffyb.uba.ar/quimicaclinica/
Epidemiología y Estadística. Aplicada a la Investigación
Fecha: Julio 2026
Organiza: Universidad Hospital Italiano
Mail: universidad@hospitalitaliano.org.ar Web:
https://cursos.uhiba.org/sites/default/files/ar anceles/2025-08/Epidemio%20Aplicada%20-
%20Programa%20 Gen%C3%A9rico.pdf
Fundamentos de Metabolómica por HPLCMS: desde el diseño experimental hasta el procesamiento de datos
Fecha: 22 al 29 de julio de 2026
Organiza: Universidad Nacional de Villa María
Mail: posgradoicba@unvm.edu.ar
Técnicas de análisis y caracterización de polímeros/ biopolímeros, nanocompuestos y materiales derivados
Fecha: 10 al 14 de agosto de 2026
Organiza: UBA (Universidad de Buenos Aires)
Mail: posgrado@ffyb.uba.ar
Web: https://www.ffyb.uba.ar/cursosdepartamento-de-quimica-analitica-yfisicoquimica/
Actualización en enzimología clínica: validación analítica
Fecha: 2 al 23 de septiembre de 2026
Organiza UBA (Universidad de Buenos Aires)
Mail: posgrado@ffyb.uba.ar
Web: https://www.ffyb.uba.ar/cursosdepartamento-de-bioquimica-clinica/ Bases neurobiológicas de las adicciones
Fecha: 3 de septiembre al 17 de diciembre de 2026
Organiza: UBA (Universidad de Buenos Aires)
Mail: posgrado@ffyb.uba.ar
Web: https://www.ffyb.uba.ar/cursosdepartamento-de-farmacologia/ Enzimología clínica de actividades enzimáticas y biomarcadores séricos
Fecha: 30 de septiembre al 21 de octubre de 2026
Organiza: UBA (Universidad de Buenos Aires)
Mail: posgrado@ffyb.uba.ar
Web: https://www.ffyb.uba.ar/cursos-
departamento-de-bioquimica-clinica
Máster en Bioquímica y Biología Molecular
Fecha de inicio: Octubre 2026 (inscripciones abiertas desde marzo)
Lugar: Universidad de Barcelona, España.
Web: https://web.ub.edu/web/ub/
Congreso Nacional de la Sociedad Boliviana de Bioquímica Clínica
Fecha: 7 al 11 de octubre 2026
Lugar: Santa Cruz, Bolivia
Web: www.colabiocli.com/congresocolabiocli-2026
AADEE S.A.
Av. Triunvirato 4135 5° Piso (1431)
Ciudad Autónoma de Buenos Aires
Te: 54-11-4523-4848
Fax: 54-11-4523-2291 www.aadee.com.ar
Avan
Padre M. Ashkar N°688 - (CP 1672) Gral San Martin, Bs
As - Argentina
Tel: (54 11) 47542168 rot - Wpp: +54 911 6228 4796 Web: www.avan.com.ar - info@avan.com.ar
Becton Dickinson Argentina S.R.L.
Av. Libertador 110 P.2 (1638)
Vicente Lopez, Buenos Aires
Tel: (54 11) 4718 7900 - 0800 444 55 BD (23) crc_argentina@bd.com www.bd.com
Bernardo Lew info@bernardolew.com.ar
0291 450 0715
+54 9 291 575 8330 https://www.bernardolew.com.ar
BIOARS S.A.
Estomba 961 (1427)
Ciudad Autónoma de Buenos Aires
Tel./Fax (54 11) 4771-7676/ 3783 pl@bioars.com.ar www.bioars.com.ar
Biocientífica S.A.
Iturri 232 ( 1427)
Ciudad Autónoma de Buenos Aires
Tel: (54-11) 4857-5005
Fax: (54-11) 4857-1004 - ventas@biocientifica.com.ar www.biocientifica.com.ar
Biodiagnostico S.A.
Av. Ing. Huergo 1437, PB (1107)
Ciudad Autónoma de Buenos Aires
Tel/fax: (54 11) 4300 9090 info@biodiagnostico.com.ar www.biodiagnostico.com.ar
Bg Analizadores S.A
Casa Central Aráoz 86 I CABA
C1414DPB I Argentina
Tel.: +54 11 4856 2024 ventas@bganalizadores.com.ar www.bganalizadores.com.ar www.linkedin.com/in/bg-analizadores-sawww.instagram.com/bganalizadores/
Neuquén
Santa Cruz 1529 I Neuquén
Oficina Comercial Bahía Blanca
1 de Marzo 993 PB A I Bahía Blanca
Tel.: +54 299 447 1385 / +54 299 448 7289 bganqn@bganalizadores.com.ar
Bahía Blanca
San Luis 63 | Bahía Blanca | 8000 | Argentina
Tel.: +54 9 291 441 9072 bgabb@bganalizadores.com.ar
Cromoion SRL
Central: Oporto 6125 - Ciudad de Buenos AiresArgentina
Planta Elaboradora Punta Alta, Prov. de Buenos Aires mail: reporte@cromoion.com website: www.cromoion.com
Tel: +54 11 4644-3205/06
WhatsApp +54 9 11 4141-4365 Instagram @cromoion
Cisma Laboratorios S.A
San Lorenzo 158, Tres Arroyos, Buenos Aires Arg. Tel: (+54) 2893 15406395 (+54) 2893 420867
Web: cismalab.com.ar
Emai: cismalab@cismalab.com.ar
Coya Sistemas SRL
Tel: (+54 0342) 455-1286 / 456-4842 / 417-2692
Iturraspe 2246,Santa Fe Email: info@coyasistemas.com.ar
Diagnos Med S.R.L.
Conesa 859 (1426)
Ciudad Autónoma de Buenos Aires
Tel: (54 11) 4552 2929 info@diagnosmed.com www.diagnosmed.com
ETC Internacional S.A.
Allende 3274 (1417)
Ciudad Autónoma de Buenos Aires
Tel: (54 11) 4639 3488
Whatsapp: +54 911 3134 8486 etcventa@etcint.com.ar www.etcint.com.ar
Gematec S.R.L.
Avalos 3651 (1605)
Munro - Buenos Aires
Tel: (54 11) 4794 7575 / 7676
Fax: (54 11) 4794 3184 info@gematec.com.ar ventas@gematec.com.ar
Genetrics S.A. - NextLAB
Av. del Libertador 8630 6to piso Of. 1 y 2 (1429 entrar así a baja cdad) - Ciudad de Buenos Aires
Tel. (54 11) 5263 0275 rotativo
E-mail: info@nextlab.com.ar web: www.nextlab.com.ar
GLYM SOFTWARE S.R.L
Piedras 519 - 8- A, Capital Federal, República
Argentina
Tel: Capital : +54 (011) 43314512 -- Mendoza + 54 (261) 4762331 - Córdoba +54 (351) 5685715 - Bahia Blanca + 54 (291) 4851101 administracion@glyms.com
JS Medicina Electrónica SRL
Bolivia 460 (1603)
Villa Martelli, Buenos Aires
Tel : 4709-7707 4709-7677 4709-1131
Fax: 4709-7707 info@jsweb.com.ar www.jsweb.com.ar
IACA LABORATORIOS
- San Martín 68, Galería Plaza (8000)
Bahía Blanca - Buenos Aires
Tel: (54 291) 459 9999
Fax: (54 291) 459 9996 / 8
- Suipacha 1322 PB “B”
Ciudad Autónoma de Buenos Aires
Tel/Fax: (54 11) 4327 2602 / 4326 1806 laboratorios@iaca.com.ar www.iaca.com.ar
I.B INSTRUMENTAL BIOQUÍMICO S.A
Venezuela 3755, Villa Martelli
B1603BTM - Buenos Aires, Argentina www.instrumental-b.com.ar
Laboratorio de Medicina
Olaya 1644 (1414)
Ciudad Autónoma de Buenos Aires
Tel: 47087400 - Wpp: 1132647777 info@labmedicina.com www.labmedicina.com
Laboratorio Bacon
Uruguay 136 (1603)
Villa Martelli, Buenos Aires
Tel: (54 11) 4709 0171 bacon@bacon.com.ar www.bacon.com.ar
MANLAB
Marcelo T. de Alvear 2263 (1122)
Ciudad Autónoma de Buenos Aires
Tel: (54 11) 6842 1200 derivaciones@manlab.com.ar www.manlab.com.ar
Meganalizar
Cede Laboratorio: Montecaseros 2478 (5500) Mendoza
Tel. (54 261) 4373241/42 mega@analizar-lab.com.ar
Administración: Belgrano 925 (5500) Mendoza
Tel. (54 261) 4236647/9125/9333 gerencia@abm.org.ar
Montebio S.R.L.
Vera 575, Ciudad Autonoma de Buenos Aires
Tel/fax: (54 11) 4858 0636 info@montebio.com.ar www.montebio.com.ar
Wiener lab
Casa Central: Riobamba 2944
Rosario-Argentina
Tel: 543414329191
Web: wiener-lab.com.ar servicioalcliente@wiener-lab.com
Proveedores generales por especialidades bioquímicas
Autoinmunidad
Abbott Rapid Diagnostics
Biocientífica S.A.
Biodiagnostico S.A.
Diagnos Med S.R.L.
ETC Internacional S.A.
Bacteriología
Abbott Rapid Diagnostics
Becton Dickinson Argentina S.R.L.
Biodiagnostico S.A.
Britania S.A.
ETC Internacional S.A.
Montebio S.R.L.
ONYVA SRL
Bg Analizadores
Biología Celular
Becton Dickinson Argentina S.R.L.
BIOARS S.A.
Biocientífica S.A.
ETC Internacional S.A.
Montebio S.R.L.
Tecnolab s.a.
Biología Molecular
Abbott Rapid Diagnostics
Becton Dickinson Argentina S.R.L.
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
Diagnos Med S.R.L.
ETC Internacional S.A.
Laboratorios Bacon S.A.I.C.
Montebio S.R.L.
Siemens Healtcare
Tecnolab s.a.
Cromoion SRL
Bg Analizadores
Birología
B.G Analizadores S.A
Bromatología
Becton Dickinson Argentina S.R.L.
Biocientífica S.A
Clínica General AADEE S.A.
Abbott Laboratories Argentina S.A.
Biodiagnostico S.A.
JS Medicina Electrónica SRL
I.B Instrumental Bioquímico S.A
Montebio S.R.L.
Roche Diagnostics Argentina
Siemens Healtcare
Cromoion SRL
Biocientífica S.A
Bg Analizadores
Cultivo Celular
Becton Dickinson Argentina S.R.L.
ETC Internacional S.A.
Endocrinología
AADEE S.A.
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
BIOARS S.A.
Biodiagnóstico S.A.
Diagnos Med S.R.L.
Laboratorios Bacon S.A.I.C.
Montebio S.R.L.
ONYVA SRL
Roche Diagnostics Argentina
Siemens Healtcare
Cromoion SRL
Bg Analizadores
Genética
Becton Dickinson Argentina S.R.L.
Biocientífica S.A.
Biodiagnostico S.A.
Montebio S.R.L.
Tecnolab s.a.
Gas en sangre y electrolitos
B.G Analizadores S.A
Hematología
AADEE S.A.
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
ETC Internacional S.A.
Gematec S.R.L.
Instrumental Bioquímico S.A.
Montebio S.R.L.
ONYVA SRL
Roche Diagnostics Argentina
Siemens Healtcare
Tecnolab s.a.
Bg Analizadores
Histocompatibilidad
Biocientífica S.A.
Biodiagnostico S.A.
B.G Analizadores S.A
Cromoion SRL
Inmunología
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
Becton Dickinson Argentina S.R.L.
Bernardo Lew e hijos S.R.L.
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
Diagnos Med S.R.L.
I.B Instrumental Bioquímico S.A
Montebio S.R.L.
ONYVA SRL
Roche Diagnostics Argentina
Siemens Healtcare
Tecnolab s.a.
Cromoion SRL
Marcadores Neoplásicos
Abbott Laboratories Argentina S.A.
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
Diagnos Med S.R.L.
Siemens Healtcare
Tecnolab s.a.
Cromoion SRL
Micología
Becton Dickinson Argentina S.R.L.
Biodiagnostico S.A.
Parasitología
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
ETC Internacional S.A.
Montebio S.R.L.
Tecnolab s.a.
Pediatría y Neonatología
AADEE S.A.
Abbott Rapid Diagnostics
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
Diagnos Med S.R.L.
ETC Internacional S.A.
Laboratorios Bacon S.A.I.C.
Montebio S.R.L.
ONYVA SRL
Cromoion SRL
Toxicología y Forense
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
Biocientífica S.A.
Montebio S.R.L.
Tecnolab s.a.
Cromoion SRL
Virología
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
Bernardo Lew e hijos S.R.L.
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
ETC Internacional S.A.
Montebio S.R.L.
ONYVA SRL
Roche Diagnostics Argentina
Siemens Healtcare
Tecnolab s.a.
Cromoion SRL
Equipamiento e Insumos para Laboratorios
Acreditación de Laboratorios
Biodiagnostico S.A.
Agitadores
BIOARS S.A.
ETC Internacional S.A.
Instrumental Bioquímico S.A.
Aparatos de Medición
BIOARS S.A.
Laboratorios Bacon
Roche Diagnostics Argentina
Bg Analizadores
I.B Instrumental Bioquímico S.A
Autoanalizadores
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
B.G Analizadores S.A
JS Medicina Electrónica SRL
I.B Instrumental Bioquímico S.A
Montebio S.R.L.
Roche Diagnostics Argentina
Siemens Healtcare
Bg Analizadores
Balanzas
ETC Internacional S.A.
Centrífugas
ETC Internacional S.A.
Citómetros
Abbott Rapid Diagnostics
Becton Dickinson Argentina S.R.L.
Cromatógrafos
Tecnolab s.a.
Coagulómetro
AADEE S.A.
BIOARS S.A.
Montebio S.R.L.
ONYVA SRL
Bg Analizadores
ECLIA
Roche Diagnostics Argentina
Espectrofotómetros
BIOARS S.A.
Biodiagnostico S.A.
Montebio S.R.L.
Tecnolab s.a.
Gases en sangre y electrolitos
AADEE S.A.
Becton Dickinson Argentina S.R.L.
B.G Analizadores S.A
Gematec S.R.L.
JS Medicina Electrónica SRL
Montebio S.R.L.
Roche Diagnostics Argentina
Siemens Healtcare
Insumos para Laboratorios
AADEE S.A.
Becton Dickinson Argentina S.R.L.
BIOARS S.A.
Biodiagnostico S.A.
Diagnos Med S.R.L.
ETC Internacional S.A.
Gematec S.R.L.
I.B Instrumental Bioquímico S.A
Montebio S.R.L.
Avan Tecnologias IVD
Laboratorio receptor de derivaciones
IACA LABORATORIOS
Laboratorio de Medicina (acreditado bajo Norma ISO 15.189)
MANLAB
Stamboulian Laboratorio (Laboratorio acreditado bajo la norma IRAM-NM-ISO 15189:2010 y el estándar MA2 de la Fundación Bioquímica)
Bg Analizadores
Meganalizar
Laboratorio receptor de derivaciones en Biología Molecular
IACA LABORATORIOS
Laboratorio de Medicina (acreditado bajo Norma ISO 15.189)
MANLAB (Acreditado en Biología Molecular en Fundación Bioquímica Argentina)
Stamboulian Laboratorio (Laboratorio acreditado bajo la norma IRAM-NM-ISO 15189:2010 y el estándar MA2 de la Fundación Bioquímica)
Laboratorio receptor de derivaciones en Inmunología
MANLAB Meganalizar
Stamboulian Laboratorio (Laboratorio acreditado bajo la norma IRAM-NM-ISO 15189:2010 y el estándar MA2 de la Fundación Bioquímica)
Laboratorio receptor de derivaciones en Inmunoserología
IACA LABORATORIOS
Laboratorio de Medicina (acreditado bajo Norma ISO 15.189)
MANLAB Meganalizar
Stamboulian Laboratorio (Laboratorio acreditado bajo la norma IRAM-NM-ISO 15189:2010 y el estándar MA2 de la Fundación Bioquímica)
Laboratorio receptor de derivaciones en Histocompatibilidad e Inmunogenética
MANLAB (Laboratorio habilitado según Resolución Nº 252-253/12 del INCUCAI, para la Tipificación de Receptores y Donantes para Trasplantes de Órganos)
Stamboulian Laboratorio (Laboratorio acreditado bajo la norma IRAM-NM-ISO 15189:2010 y el estándar MA2 de la Fundación Bioquímica)
Laboratorio receptor de derivaciones en Medicina Genómica
MANLAB (Acreditado en Biología Molecular en Fundación Bioquímica Argentina)
Stamboulian Laboratorio (Laboratorio acreditado bajo la norma IRAM-NM-ISO 15189:2010 y el estándar MA2 de la Fundación Bioquímica)
Luminiscencia
Biodiagnostico S.A.
Diagnos Med S.R.L.
Siemens Healtcare
Material Descartable
Becton Dickinson Argentina S.R.L
ETC Internacional S.A.
Montebio S.R.L.
Material de Vidrio
Montebio S.R.L.
Material para Electroforesis
BIOARS S.A.
Biodiagnostico S.A.
ETC Internacional S.A.
Tecnolab s.a.
Biocientífica S.A
Bg Analizadores
MEIA
Abbott Laboratories Argentina S.A.
Micropipetas
B.G Analizadores S.A
ETC Internacional S.A.
Montebio S.R.L.
Tecnolab s.a.
Genómica - Microarrays
Biocientífica S.A.
ETC Internacional S.A.
Quimioliminiscencia
Biodiagnostico S.A.
Montebio S.R.L.
Siemens Healtcare
Tecnolab s.a.
Reactivos
AADEE S.A.
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
B.G Analizadores S.A
BIOARS S.A.
Biocientífica S.A.
Biodiagnostico S.A.
Diagnos Med S.R.L.
ETC Internacional S.A.
Montebio S.R.L.
I.B Instrumental Bioquímico S.A
Roche Diagnostics Argentina
Siemens Healtcare
Tecnolab s.a.
Cromoion SRL
RIA - IRMA
Diagnos Med S.R.L.
Montebio S.R.L.
Servicio Técnico
Abbott Rapid Diagnostics
BIOARS S.A.
Biodiagnostico S.A.
Instrumental Bioquímico S.A.
Montebio S.R.L.
Tecnolab s.a.
Bg Analizadores
I.B Instrumental Bioquímico S.A
Software
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
BIOARS S.A.
Diagnos Med S.R.L.
Genetrics S.A. - NextLAB
Termocicladores
Biodiagnostico S.A.
Roche Diagnostics Argentina
GLYM SOFTWARE S.R.L
Avan Tecnologias IVD
Coya Sistemas S.R.L
Test Rápidos
Abbott Laboratories Argentina S.A.
Abbott Rapid Diagnostics
. BG. Analizadores S.A
BIOARS S.A.
Biodiagnostico S.A.
ETC Internacional S.A.
Montebio S.R.L.
Siemens Healtcare
Cromoion SRL
Biocientífica S.A
