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.

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

La investigación, realizada en ratones, muestra cómo estas diminutas nanomáquinas se impulsan con urea presente en la orina y se dirigen específicamente al tumor, atacándolo con un radioisótopo que transportan en su superficie.

El cáncer de vejiga tiene una de las tasas de incidencia más elevadas del mundo, siendo además el cuarto tumor más frecuente en hombres. A pesar de no tener una elevada mortalidad, casi la mitad de los tumores de vejiga vuelven a aparecer al cabo de 5 años, de manera que se requiere una vigilancia continuada del paciente, con frecuentes visitas al hospital y la necesidad de repetir el tratamiento. Por todo ello, el cáncer de vejiga es uno de los más costosos de curar.

Los tratamientos actuales que implican la administración de fármacos directamente al interior de la vejiga han demostrado buenas tasas de supervivencia, pero una eficacia terapéutica baja. Una alternativa prometedora es el uso de nanopartículas, capaces de hacer llegar el agente terapéutico directamente al tumor. En especial, destacan los nanorrobots, nanopartículas con capacidad de autopropulsarse por el interior del cuerpo.

Ahora, un estudio publicado en la prestigiosa revista Nature Nanotechnology muestra cómo un equipo de investigación ha sido capaz de reducir en un 90% el tamaño de tumores de vejiga en ratones administrando una sola dosis de nanorrobots propulsados por urea.

El trabajo, liderado por el Instituto de Bioingeniería de Cataluña (IBEC) y el CIC biomaGUNE y desarrollado con la colaboración del Instituto de Investigación Biomédica (IRB Barcelona) y de la Universitat Autònoma de Barcelona (UAB), abre la puerta a nuevos tratamientos para el cáncer de vejiga, que reduzcan el tiempo de hospitalización, lo que implicaría un menor coste y una mayor comodidad para el paciente.

“El innovador sistema óptico que hemos desarrollado, nos permitió, anular la luz que reflejaba el propio tumor y así identificar y localizar las nanopartículas en todo el órgano, sin un marcaje previo, a una resolución sin precedentes. Así vimos que los nanorrobots no solo alcanzaban el tumor, sino que lograban acceder a su interior, para favorecer así la actuación del radiofármaco “, explica Julien Colombelli, líder de la plataforma científica de Microscopía Digital Avanzada del IRB Barcelona.

Descifrar por qué los nanorrobots son capaces de acceder al interior del tumor fue un desafío. Los nanorrobots no contienen anticuerpos específicos para reconocer el tumor, y normalmente, el tejido tumoral es más rígido que el tejido sano.

«Sin embargo, observamos que estos nanorrobots tienen la capacidad de descomponer la matriz extracelular del tumor al aumentar localmente el pH mediante una reacción química de autopropulsión. Este fenómeno podría favorecer una mayor penetración tumoral y resultó ser beneficioso para lograr una acumulación preferencial en el tumor”, detalla Meritxell Serra Casablancas, co-primera autora del estudio e investigadora del IBEC.

Así, los científicos llegaron a la conclusión de que los nanorrobots chocan con el urotelio como si fuera una pared, pero en el tumor, al ser más esponjoso, penetran y se acumulan en su interior. Un factor clave es la movilidad de los nanobots, que aumenta la probabilidad de que lleguen al tumor.

Además, según declara Jordi Llop, investigador del CIC biomaGUNE y colíder del estudio “La administración localizada de los nanorrobots que portan el radioisótopo disminuye la probabilidad de generar efectos adversos, y la elevada acumulación en el tejido tumoral favorece el efecto radioterapéutico”.

“Los resultados de este estudio abren la puerta a la utilización de otros radioisótopos con mayor capacidad de inducir efecto terapéutico, pero cuyo uso se ve restringido cuando los radiofármacos deben administrarse de forma sistémica”, añade Cristina Simó, co-primera autora del estudio.

La tecnología en la cual se basan estos nanorrobots, en los que Samuel Sánchez y su equipo llevan trabajando más de siete años, ha sido patentada recientemente y es la base de Nanobots Therapeutics, spin-off del IBEC e ICREA creada en enero de 2023.

Innovación tecnológica en microscopía para localizar los nanorrobots

El trabajo con nanorrobots ha supuesto un importante desafío científico en técnicas de bioimagen para la visualización de estos elementos en los tejidos y el propio tumor. Las técnicas no invasivas más habituales utilizadas en el ámbito clínico -como PET- no tienen la resolución necesaria para ubicar a nivel microscópico estas partículas de tamaño muy reducido. Por ello, la Plataforma Científica de Microscopía del IRB Barcelona, empleó una técnica de microscopía que implica el uso de una lámina de luz láser para iluminar las muestras y permite obtener imágenes tridimensionales por dispersión de la luz al chocar con tejidos y partículas. Al observar que el propio tumor dispersaba parte de la luz, generando interferencias, desarrollaron una nueva técnica basada en luz polarizada que anula toda la dispersión procedente del tejido y las células del propio tumor. Esto permitió visualizar y localizar los nanorrobots sin necesidad de haberlos marcado previamente con técnicas moleculares.

Referencia: Simó C, Serra-Casablancas M, Hortelao AC, Di Carlo V, Guallar Garrido S, Plaza García S,  et al. Urease-powered nanobots for radionuclide bladder cancer therapy. Nat Nanotechnol[Internet].2024. https://doi.org/10.1038/s41565-023-01577-y

6 enero 2024│Fuente: EurekAlert

Investigadores del Instituto del Monte de Neurociencia de la Universidad de Rochester (EE.UU.) han descubierto que la microglía puede desencadenar déficits cognitivos tras la exposición a la radiación y puede ser un objetivo clave para prevenir estos síntomas. Estos resultados, que se han publicado en International Journal of Radiation Oncology Biology Physics, se basan en estudios anteriores que demuestran que, tras la exposición a la radiación, la microglía daña las sinapsis, básicas para el comportamiento cognitivo y la memoria.

Mediante varias pruebas de comportamiento, los investigadores estudiaron la función cognitiva de ratones antes y después de la exposición a la radiación. Los ratones hembra obtuvieron los mismos resultados en todas las pruebas, lo que indica una resistencia a las lesiones por radiación. Sin embargo, los ratones macho no podían recordar o realizar ciertas tareas tras la exposición a la radiación. Este deterioro cognitivo se correlaciona con la pérdida de sinapsis y la evidencia de un exceso de reactividad microglial potencialmente perjudicial tras el tratamiento. Los investigadores se centraron entonces en una vía de la microglía importante para la eliminación de sinapsis. Los ratones con esta microglía mutante no sufrieron deterioro cognitivo tras la radiación. Y otros a los que se administró Leukadherin-1, capaz de bloquear esta misma vía, tampoco sufrieron deterioro cognitivo.

Los investigadores aseguran que esta investigación ofrece una posible diana para desarrollar terapias que prevengan o mitiguen tales déficits en las personas que necesitan radioterapia cerebral.

Referencia: Hinkle JJ, Olschowka JA, Williams JP, Banion MK. Pharmacologic manipulation of complement receptor 3 prevents dendritic spine loss and cognitive impairment after acute cranial radiation. Int J Radiat Oncol Biol Phys[Internet]. 2023[citado 10 ene 2024]; 22:S0360-3016(23)08254-8. doi: 10.1016/j.ijrobp.2023.12.017.

11 enero 2024| Fuente: Neurología.com| Tomado de | Noticia

Más de cuatro horas de uso de teléfonos inteligentes al día tienen un impacto negativo en los resultados de salud conductual de los adolescentes, según un estudio publicado en la edición en línea del 6 de diciembre de la revista PLOS ONE.

Jong Ho Cha, del Centro Médico de la Universidad de Hanyang en Seúl, Corea del Sur, y sus colegas examinaron la asociación entre el uso de teléfonos inteligentes y los resultados adversos de salud conductual. El análisis incluyó datos de 40.998 adolescentes que participaron en la encuesta nacional sobre conductas de riesgo de los jóvenes en Corea (2017 y 2020).

Los investigadores encontraron que el tiempo promedio de uso de teléfonos inteligentes de los adolescentes en 2020 aumentó con respecto a 2017 (porcentaje ponderado de más de dos horas al día: 64.3 frente a 85.7 por ciento). Después de más de cuatro horas al día, las relaciones curvilíneas entre el tiempo de uso del teléfono inteligente y los resultados adversos para la salud fueron prominentes.

No se observó un aumento de los resultados adversos para la salud entre los adolescentes que usaban teléfonos inteligentes de dos a cuatro horas al día en comparación con los no usuarios, excepto por la dependencia excesiva de los teléfonos inteligentes. Sin embargo, hubo asociaciones significativas entre el uso de un teléfono inteligente más de cuatro horas al día y la percepción de estrés (odds ratio, 1,16), la ideación suicida (odds ratio, 1,22) y el consumo de sustancias (alcohol: odds ratio, 1,66) después de la coincidencia de la puntuación de propensión.

«Estos resultados pueden ayudar a establecer pautas de uso de dispositivos inteligentes y programas educativos para el uso apropiado de los medios», escriben los autores.

Ver más información: Cha JH, Choi Y-J, Ryu S, Moon J-H.  Association between smartphone usage and health outcomes of adolescents: A propensity analysis using the Korea youth risk behavior survey. PLoS ONE[Internet] 18(12): e0294553. https://doi.org/10.1371/journal.pone.0294553

9 diciembre 2023| Fuente:  HealthDay |Tomado de |Noticias de Salud