Puntos clave

En este momento, hay pocos medios para predecir si un embarazo terminará en un parto prematuro

Una nueva investigación sugiere que un análisis más detallado de los datos de ultrasonido podría dar pistas tempranas sobre los nacimientos prematuros

Los médicos podrían vigilar más de cerca la salud fetal en las mujeres cuyas exploraciones sugieren que tienen un mayor riesgo

Las ecografías que detectan cambios «microestructurales» en el cuello uterino de una mujer podrían apuntar a que ella tiene un riesgo más alto de parto prematuro, informan unos investigadores.

Las exploraciones se realizaron a partir de la semana 23 de embarazo y podrían ayudar a evaluar los riesgos de un parto «prematuro», incluso entre las madres primerizas.

Entre el 10% y el 15% de los nacimientos se producen antes de término.

Hoy en día, los médicos esperan señales y síntomas de un parto prematuro», como una ruptura de membrana, explicó la autora principal del estudio, Barbara McFarlin. Es profesora emérita de enfermería en la Universidad de Illinois Chicago (UIC).

Nuestra técnica sería útil para tomar decisiones basadas en el tejido y no solo en los síntomas», comentó en un comunicado de prensa de la UIC.

Como explicó el equipo de McFarlin, en este momento la única pista de que un embarazo podría terminar en un parto prematuro es el historial de parto previo de la mujer. Eso significa que los médicos no pueden predecir el parto prematuro en las mujeres que dan a luz por primera vez.

McFarlin y sus colegas han estado trabajando durante años en el ajuste fino de las tecnologías de ultrasonido, en busca de indicios de que una mujer podría no dar a luz a término.

La forma de exploración utilizada en el nuevo estudio se llama «ultrasonido cuantitativo».

En lugar de basarse únicamente en una imagen visual, los médicos también utilizan los datos de radiofrecuencia obtenidos de la ecografía para medir la densidad de varios tejidos.

A McFarlin se le ocurrió la idea por primera vez cuando era estudiante de posgrado en enfermería, mientras trabajaba como partera y ecografista. Se dio cuenta de que el cuello uterino aparecía de manera diferente en las exploraciones de las mujeres que luego dieron a luz prematuramente.

Nadie lo estaba mirando», dijo. Así, McFarlin y otros colegas estudiaron los embarazos de 429 mujeres que dieron a luz sin inducción.

Usando ultrasonido cuantitativo para detectar cambios microestructurales en el tejido cervical, el grupo de McFarlin encontró que los escáneres eran efectivos para predecir qué madres primerizas darían a luz prematuramente o no.

La estrategia fue aún más efectiva entre las madres que habían dado a luz antes.

Combinar los datos de la ecografía más cualquier antecedente previo de parto prematuro fue más efectivo para predecir un parto prematuro posterior que usar cualquiera de las dos mediciones solas, encontraron los investigadores.

¿Cómo podría la ecografía cambiar la práctica obstétrica?

Según los investigadores, si los médicos supieran a las 23 semanas de gestación que hay una mayor probabilidad de parto prematuro, concertarían citas más frecuentes para monitorizar la salud del feto.

El nuevo estudio también podría ser un punto de partida para «comenzar a estudiar los procesos mediante los cuales se podría prevenir o retrasar el parto prematuro», planteó el coautor del estudio, Bill O’Brien, profesor de ingeniería eléctrica e informática de la Universidad de Illinois en Urbana-Champaign. Durante años, O’Brien ha estado investigando cómo los datos cuantitativos de ultrasonido podrían promover la investigación.

Los hallazgos se publicaron en la edición del 24 de enero de la revista American Journal of Obstetrics & Gynecology.

Referencia: McFarlin BL, Villegas-Downs M, Mohammadi M, Han A, Simpson DS, O’brien WD. Enhanced Identification of At-Risk Women for Preterm Birth via Quantitative Ultrasound: A Prospective Cohort Study. American Journal of Obstetrics & Gynecology[Internet]. 2023[citado 28 ene 2024].            DOI:    https://doi.org/10.1016/j.ajogmf.2023.101250

25 enero 2024| Fuente: EurekAlert| Tomado de | Comunicado de prensa

Un niño de 11 años nació con una anomalía poco frecuente en un solo gen que le provocó la sordera. Tras una cirugía en el tímpano y la inyección de un virus inofensivo, el pequeño pudo escuchar por primera vez.

La voz de su padre, el ruido de los autos al pasar y las tijeras cortándole el cabello: un niño de 11 años escucha por primera vez en su vida tras recibir una innovadora terapia génica en Estados Unidos.

El Hospital Infantil de Filadelfia (CHOP), que llevó a cabo el tratamiento, declaró el martes (23.01.2024) en un comunicado que este hito representa una esperanza para los pacientes de todo el mundo con pérdida de audición causada por mutaciones genéticas.

Pérdida de audición por gen defectuoso

Aissam Dam nació «profundamente sordo» debido a una anomalía muy poco frecuente en un solo gen.

«La terapia génica para la pérdida de audición es algo por lo que los médicos y científicos del mundo de la pérdida de audición llevamos trabajando más de 20 años, y por fin está aquí», dijo el cirujano John Germiller, director de investigación clínica de la división de otorrinolaringología del CHOP.

«Aunque la terapia génica que realizamos en nuestro paciente fue para corregir una anomalía en un gen muy poco frecuente, estos estudios pueden abrir la puerta a su uso futuro para algunos de los más de 150 genes que causan pérdida de audición infantil», continuó.

Virus inofensivo para el tratamiento

En pacientes como Aissam, un gen defectuoso impide la producción de otoferlina, una proteína necesaria para que las «células ciliadas» del oído interno puedan convertir las vibraciones sonoras en señales químicas que se envían al cerebro.

Los defectos del gen de la otoferlina son muy poco frecuentes y representan entre el 1 y el 8% de las pérdidas auditivas presentes desde el nacimiento.

Aissam se sometió el 4 de octubre de 2023 a una intervención quirúrgica en la que se le levantó parcialmente el tímpano. En la operación, se le inyectó un virus inofensivo modificado en el líquido interno de la cóclea para transportar copias funcionales del gen de la otoferlina.

Oyendo «por primera vez en su vida»

Como resultado, las células ciliadas empezaron a fabricar la proteína que les faltaba y a funcionar correctamente.

Casi cuatro meses después de recibir el tratamiento en un oído, la audición de Aissam ha mejorado hasta el punto de que solo tiene una pérdida de audición de leve a moderada y está «literalmente oyendo sonido por primera vez en su vida», señala el comunicado.

De acuerdo con el diario The New York Times, Aissam, nacido en Marruecos y quien posteriormente se trasladó a España, a pesar de poder oír, puede que nunca aprenda a hablar, ya que la ventana del cerebro para adquirir el habla se cierra en torno a los cinco años.

Referencia: Children’s Hospital of Philadelphia Performs First in U.S. Gene Therapy Procedure to Treat Genetic Hearing Loss. https://www.chop.edu/news/children-s-hospital-philadelphia-performs-first-us-gene-therapy-procedure-treat-genetic-hearing

23 enero 2024| Children’s Hospital of Philadelphia |© 2024 El Hospital Infantil de Filadelfia

La organización Ayuda Alemana contra la Lepra y la Tuberculosis (DAHW) apoyará el diagnóstico de la lepra en países y regiones en las que faltan dermatólogos mediante una aplicación, según informó hoy. ‘La inteligencia artificial puede ayudar al personal de salud con poca experiencia a detectar enfermedades como la lepra’, explicó la coordinadora de investigación de la DAHW, Christa Kasang.

Con esta app se pueden fotografiar las modificaciones en la piel para ser analizadas, por ejemplo. Si el software comprueba que una imagen se asemeja a una lesión causada por la lepra, esta es analizada luego por personal especializado. Este domingo 28 de enero se conmemora el Día Mundial de la Lepra.

‘En India, por ejemplo, aún se detectan alrededor de 104.000 nuevos casos cada año’, observó el presidente de la DAHW, Patrick Georg. ‘Los afectados a menudo tienen que vivir con -hay que decirlo- heridas horribles, con estigmatización y discriminación’, señaló, agregando que también la población de Nigeria y Senegal sigue viéndose afectada tanto por la enfermedad en sí como por sus consecuencias.

Georg explicó que, en Pakistán, por ejemplo, la situación es algo mejor. ‘Allí aún se registran unos 300 nuevos casos de lepra cada año’, apuntó. ‘Si unimos nuestros esfuerzos, es realista pensar que la enfermedad pueda desaparecer por completo en Pakistán en los próximos seis años’, indicó. Las bacterias de la lepra destruyen la piel y las mucosas y atacan las células nerviosas. Al parecer, el agente patógeno mycobacterium leprae se transmite principalmente por gotitas. El periodo promedio de incubación es de tres a cinco años. La enfermedad es curable desde 1983, pero alrededor de dos o tres millones de personas en todo el mundo tienen que vivir con discapacidades a veces graves y son estigmatizadas. En Europa, la lepra se considera erradicada. Según el Instituto Robert Koch (RKI), que asesora al Gobierno alemán, solo el cinco por ciento de la población mundial puede contraer la lepra, el resto es inmune. De acuerdo con la DAHW, unas 174.000 personas en todo el mundo tuvieron lepra en 2022, pero el número de casos no declarados es elevado. El tratamiento precoz es importante para prevenir las discapacidades relacionadas con la enfermedad.

enero 22|2024 (dpa) – Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A.

Las proteínas del complemento de la leche materna pueden contribuir al establecimiento de una microbiota intestinal ´protectora´ durante las primeras etapas del desarrollo, promoviendo la salud infantil y defendiéndola contra diversos patógenos.

hace años hay evidencia de que la lactancia materna tiene muchos beneficios para los bebés. Proporciona una excelente nutrición y parece proteger contra algunas enfermedades a corto o largo plazo. También se sabe que ayuda a proteger contra infecciones comunes al compartir anticuerpos y glóbulos blancos de la madre.

Ahora también se sabe que la leche materna también contiene proteínas del complemento que pueden trabajar con los anticuerpos o «complementarlos» para atacar a las bacterias. Si bien las proteínas del complemento que circulan en la sangre han sido el foco de mucha investigación, las proteínas del complemento en la leche materna han sido mucho menos estudiadas y hasta ahora su papel no estaba claro.

Al respecto, un estudio dirigido por investigadores de la Escuela de Salud Pública Bloomberg de Johns Hopkins (EEUU) sugiere que los componentes del complemento de la leche materna mejoran la salud infantil al eliminar directamente algunos tipos de bacterias que habitan en el intestino.

Si bien el estudio, publicado en la revista ´Cell´, se basa en hallazgos obtenidos con ratones, los investigadores pudieron confirmar, mediante análisis in vitro separados, que la leche materna humana contiene estos componentes del complemento, que demostraron una actividad similar al atacar bacterias específicas.

«Estos hallazgos revelan un papel fundamental de las proteínas del complemento de la leche materna en la configuración de las composiciones de microbios intestinales de la descendencia y en la protección contra infecciones bacterianas en el intestino en las primeras etapas de la vida», explicó el autor principal del estudio, Fengyi Wan, profesor del Departamento de Bioquímica y Ciencia de la Escuela Bloomberg. Biología Molecular. «Esto representa una ampliación importante de nuestra comprensión de los mecanismos protectores de la leche materna», agregó.

Avance en inmunología

Para el estudio Wan y su equipo utilizaron ratones modificados genéticamente que carecían de genes críticos del complemento. Descubrieron que la leche de ratones hembra de este tipo dejaba a las crías de ratón de varias semanas de edad, incluso aquellas con genes del complemento normales, muy susceptibles a la colitis, a menudo letal, por infecciones por Citrobacter rodentium. Por el contrario, aquellos que se alimentaban con leche normal que contenía complemento mostraron sólo signos menores y transitorios de infección intestinal.

El equipo descubrió que este efecto protector de las proteínas del complemento de la leche materna depende de su capacidad para moldear la microbiota intestinal infantil. Las proteínas del complemento matan ciertas especies de bacterias intestinales, y esta eliminación de microbios crea un ambiente intestinal general en el que la inflamación dañina es mucho menos probable en presencia de Citrobacter rodentium. Esta remodelación de la microbiota intestinal deja a las crías de ratón mucho menos susceptibles a la infección por Citrobacter rodentium, protegiéndolas así de ciertas amenazas infecciosas.

El estudio podría suponer también un avance en inmunología básica. Aunque se sabe que las proteínas del complemento en la sangre son capaces de causar daño directo a las células bacterianas, normalmente funcionan en asociación con anticuerpos en una respuesta inmune específica. Sin embargo, Wan y su equipo demostraron que esta actividad del complemento de la leche materna contra las bacterias no requiere anticuerpos y que es una respuesta inmune inespecífica.

«Esto abre la puerta a muchas nuevas investigaciones, por ejemplo, para dilucidar la biología específica del complemento en la leche materna y compararla con la biología del complemento en la sangre, y evaluar el papel del complemento más allá del sistema inmunológico específico dependiente de anticuerpos», concluyó el prof. Wan.

Referencia: Xu D, Zhou S, Liu Y, Scott AL, Yang J, Wan Ffootnotes S. Complement in breast milk modifies offspring gut microbiota to promote infant health. Cell[Internet].2024[citado 21 ene 2024]. DOI:https://doi.org/10.1016/j.cell.2023.12.019

19 enero 2024| Fuente: IMMédico| Tomado de Noticia

Un estudio muestra que una nueva herramienta basada en Inteligencia Artificial desarrollada por Google podría ofrecer mejor atención médica y mayor precisión en los diagnósticos que los profesionales sanitarios.

Un sistema de inteligencia artificial (IA) entrenado para realizar entrevistas médicas ha igualado o incluso superado el rendimiento de algunos profesionales sanitarios al conversar con pacientes en una simulación, destaca una nota publicada por la revista Nature. El sistema también ha sido capaz de enumerar posibles diagnósticos basándose en el historial médico de los pacientes participantes.

Este chatbot, basado en un modelo de lenguaje de gran tamaño (LLM, por sus siglas en inglés) desarrollado por la empresa estadounidense Google, fue más preciso que los médicos de atención primaria certificados en el diagnóstico de afecciones respiratorias y cardiovasculares, entre otras patologías.

Así, en comparación con los médicos habituales, la IA consiguió adquirir una cantidad similar de información durante las entrevistas médicas y obtuvo mejores resultados en empatía, destacan en Nature.

Resultados sorprendentes

El sistema de IA igualó o superó la precisión diagnóstica de los médicos en las seis especialidades médicas tratadas durante la investigación. «El robot superó a los médicos especialistas en 24 de los 26 criterios en los valores de calidad de la conversación, como cortesía, explicación de la enfermedad y el tratamiento, sinceridad y expresión de interés y compromiso», destaca el estudio.

«Esto no significa en absoluto que un modelo lingüístico sea mejor que los médicos a la hora de elaborar el historial clínico», afirma Alan Karthikesalingam, científico de investigación clínica de Google Health en Londres y coautor de este estudio. «Sino más bien que los médicos de atención primaria del estudio probablemente no estaban acostumbrados a interactuar con los pacientes a través de un chat basado en texto, lo que podría haber afectado a su rendimiento.

Primer paso hacia un diagnóstico más preciso

Denominado Articulate Medical Intelligence Explorer (AMIE), este chatbot de Google es aún puramente experimental ya que no se ha probado con personas que padecen problemas de salud reales, sino con participantes entrenados para representar a individuos con problemas médicos.

«Queremos que los resultados se interpreten con cautela y humildad», afirma Karthikesalingam.

«Que sepamos, es la primera vez que un sistema de IA conversacional se diseña de forma óptima para el diálogo diagnóstico y la elaboración del historial clínico», sostiene.

El estudio fue publicado el pasado 11 de enero en el repositorio de preimpresiones arXiv y aún no ha sido revisado por pares.

«Democratización» de la sanidad

Los autores del estudio recalcan que con el tiempo, este chatbot podría desempeñar un papel en la «democratización de la atención sanitaria». No obstante, aunque podría ser una herramienta útil, no debería sustituirse a las interacciones físicas con médicos, afirma Adam Rodman, médico internista de la Facultad de Medicina de Harvard en Boston (Massachusetts, Estados Unidos).

«La medicina es mucho más que recopilar información: se trata de relaciones humanas», sostiene Rodman en declaraciones recogidas por Nature.

Conversaciones médicas

Uno de los retos a los que se enfrentaron los desarrolladores fue la escasez de conversaciones con médicos reales disponibles y que pudieran ser utilizadas como datos para la herramienta, afirma Vivek Natarajan, científico investigador de IA en Google Health en Mountain View, California, y coautor del estudio. Para resolver este problema, se ideó una forma de que el chatbot se entrenara con sus propias «conversaciones».

Se usaron historiales médicos electrónicos y conversaciones médicas transcritas, así como interpretaciones del papel de una persona con una dolencia concreta y el de un médico «empático» para intentar comprender el historial de la persona e idear un diagnóstico, o hasta el de un crítico que evalúa la interacción del médico con la persona tratada.

Los investigadores reclutaron a 20 personas que habían sido entrenadas para hacerse pasar por pacientes y les hicieron realizar consultas en línea de forma textual, tanto con el chatbot AMIE como con 20 médicos colegiados, pero sin decirles si hablaban con un humano o con un robot. Los participantes simularon 149 escenarios clínicos y luego se les pidió que evaluaran su experiencia.

¿Imparcialidad?

Los investigadores detallan que los próximos pasos consistirán en realizar estudios más detallados para evaluar posibles sesgos y garantizar que el sistema sea equitativo en diferentes poblaciones. El equipo de Google también está empezando a estudiar los requisitos éticos para probar el sistema con humanos que tengan problemas médicos reales.

Daniel Ting, científico clínico especializado en IA de la Facultad de Medicina Duke-NUS de Singapur, está de acuerdo en que es esencial examinar el sistema en busca de sesgos. El objetivo es asegurarse de que el algoritmo no penaliza a grupos raciales que no están bien representados en los conjuntos de datos previos.

La privacidad de los usuarios también es un aspecto importante a tener en cuenta, afirma Ting. «En el caso de muchas de estas grandes plataformas comerciales de modelos lingüísticos, todavía no estamos seguros de dónde se almacenan los datos y cómo se analizan», afirma en declaraciones recogidas por Nature.

Referencia: Tu T, Palepu A, Schaekermann M, Saab K, Freyberg J, Tanno R, et al. Towards Conversational Diagnostic AI.  Preprint at https://arxiv.org/abs/2401.05654 (2024).https://arxiv.org/abs/2401.05654

15 enero 2024| Fuente: DW.com| Tomado de Ciencia

Según un nuevo estudio, los modelos de predicción clínica para resultados de tratamiento de esquizofrenia, que funcionan bien en el seno de los ensayos en los que fueron desarrollados, no logran generalizarse a futuros ensayos. «Los hallazgos no solo resaltan la necesidad de estándares metodológicos más rigurosos para enfoques de aprendizaje automático, sino que también requieren una reevaluación de los desafíos prácticos a los que se enfrenta la medicina de precisión», escribe Frederike Petzschner en un artículo de Perspective relacionado.

A pesar de recibir los mismos tratamientos para las mismas dolencias, algunos pacientes mejoran mientras que otros no muestran mejoría. Los enfoques de medicina de precisión buscan abordar este problema proporcionando tratamientos personalizados para cada paciente.

Se considera que los modelos de aprendizaje automático, que pueden analizar datos grandes y complejos para identificar marcadores genéticos, socioeconómicos o biológicos que predicen el tratamiento adecuado para un individuo, son herramientas prometedoras para mejorar la medicina de precisión y los resultados médicos. Sin embargo, estos modelos a menudo solo se validan en función de su éxito en conjuntos de datos o contextos clínicos para los cuales el resultado, como la respuesta a un tratamiento dado, ya se conoce.

Aunque es crucial, no se comprende bien cómo funcionan estos modelos en datos imprevistos o muestras de pacientes independientes. Para abordar esta cuestión, Adam Chekroud y sus colegas evaluaron en qué medida se generalizaba un modelo de aprendizaje automático en varios ensayos clínicos independientes de medicamentos antipsicóticos para la esquizofrenia.

Si bien los modelos predijeron los resultados de los pacientes con gran precisión dentro del conjunto de datos en el que fueron desarrollados, su rendimiento cayó a niveles no mejores que los niveles aleatorios cuando se aplicaron a datos de ensayos clínicos independientes. Incluso cuando se agregaron datos de múltiples ensayos clínicos para entrenar el modelo, sus predicciones no lograron generalizarse a un nuevo ensayo clínico independiente.

Estos hallazgos sugieren que las aproximaciones de un modelo basadas en un solo conjunto de datos proporcionan una visión muy limitada de su rendimiento futuro. Los autores destacan tres razones clave por las cuales esto es probable. «El campo en su conjunto (…) espera que los enfoques de aprendizaje automático puedan mejorar eventualmente la asignación de tratamientos en medicina; sin embargo, debemos ser escépticos a priori ante cualquier hallazgo de modelo predictivo que carezca de una muestra independiente para su validación», escriben Chekroud et al.

Referencia: Chekroud AM, Hawrilenko M, Loho H, Gueforgueva R, Hasan A, Kambeitz J, et al. Illusory generalizability of clinical prediction models. Science[Internet];383(6679):164-167. DOI:10.1126/science.adg8538

11 enero 2024| Fuente: Eureka Alert| Tomado de Comunicado de prensa