Aquellos médicos que trabajan en centros privados son los que afirman realizar un menor uso de estas herramientas, con un 23 % que no las han llegado a usar, en comparación con el 21,6 % de los de centros públicos, y con el 16 % de aquellos de carácter concertado, que son precisamente los que más uso hacen de la IA generativa.

De los que han declarado hacer uso de esta tecnología en el ámbito laboral, casi la mitad ha mostrado una satisfacción media, y un 62 % tiene una satisfacción buena o muy buena; tan solo un 7 % ha mostrado una satisfacción baja o muy baja.

Los autores del documento han sugerido que, si bien existe una familiaridad «inicial» con estas tecnologías, su integración en la rutina médica aún se enfrenta a «barreras» que limitan su uso frecuente y efectivo, tales como el bajo conocimiento sobre el desarrollo de estas tecnologías, la falta de tiempo para aprender su manejo o la dificultad de acceso a las mismas, tal y como ha declarado el 21 % de los encuestados.

La encuesta, que ha tenido valorado la experiencia de 2 655 médicos y doce gerentes de hospitales de toda España, evidencia un «creciente interés» sobre la adopción de la IA generativa en el ámbito de la salud.

De hecho, todos los gerentes encuestados han usado la IA generativa en algún momento, lo que tiene que ver con una mayor percepción del «potencial» para mejorar la toma de decisiones y la optimización de recursos.

Más del 90% de ellos han hecho uso de estas tecnologías en el ámbito profesional, lo que refuerza la idea de que la IA generativa está siendo vista cada vez más como un «aliado estratégico» dentro del sector sanitario, en el que puede contribuir a mejorar los diagnósticos, a personalizar tratamientos en base a las características individuales de cada paciente y a optimizar la gestión de los recursos.

Entre sus principales potenciales aplicaciones se encuentran la generación de imágenes médicas a partir de datos incompletos, lo que puede reducir costes económicos, riesgos asociados a la radiación y errores diagnósticos; la generación de textos clínicos a partir de datos con el objetivo de crear historiales médicos y agilizar la documentación; o generar modelos novedosos y optimizados que supongan una aceleración en el descubrimiento y diseño de nuevos tratamientos.

Para potenciar su uso entre los profesionales, los autores de la investigación han recomendado proporcionar una formación continua dentro de los propios centros sanitarios para enseñar a integrarlas en la práctica diaria.

Asimismo, han aconsejado la realización de iniciativas como conferencias o publicaciones en revistas profesionales para mostrar como estas herramientas pueden impactar en la práctica clínica sin reemplazar el juicio del profesional.

Del mismo modo, han instado a promover la colaboración entre equipos a través de la creación de equipos multidisciplinares, lo que puede facilitar la identificación de áreas donde la IA generativa puede ser más útil y efectiva.

El desarrollo de protocolos y normativas también es «clave» para ayudar a sentirse más cómodos a los profesionales a la hora de adoptar estas tecnologías, abordando sus preocupaciones éticas y de privacidad, y de forma que se proteja tanto a los pacientes como a los profesionales.

01 julio 2025 | Fuente: Europa Press | Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2025. Agencia Informativa Latinoamericana Prensa Latina S.A. | Noticia

IQVIA Spain

Esta ha sido la principal conclusión de los expertos que han participado este martes en la jornada «La oportunidad de la IA para la ciencia», un evento organizado por Google para explicar cómo las nuevas tecnologías están siendo esenciales para la ciencia y la salud.

La IA ya es indispensable en muchos laboratorios. AlphaFold, por ejemplo, uno de los proyectos insignia de Google DeepMind, ilustra perfectamente el potencial de esta tecnología: «la biología estructural, que estudia la arquitectura de la biología a nivel microscópico, necesita años de trabajo para describir una proteína», ha explicado Carlos Fernández Tornero, del Centro de Investigaciones Biológicas (CIB-CSIC).

«En 70 años, los investigadores de esta disciplina consiguieron desvelar la estructura tridimensional de unas 200.000 proteínas» pero solo la primera versión de AlphaFold «logró predecir la estructura de 200 millones de proteínas», casi todas las que existen, ha recordado Fernández-Tornero.

Poco después, Google facilitó a la ciencia la base de datos de AlphaFold y hoy es una herramienta que ha ayudado a acelerar las investigaciones y «reducir meses o años de trabajo a unos pocos días o minutos».

Además, actualmente este programa de predicción de estructuras se ha ampliado a otras biomoléculas como el ADN o el ARN, «y eso ha sido un catalizador para la investigación científica», ha destacado este investigador del CIB cuyo grupo trabaja en el desarrollo de fármacos contra el tripanosoma, el parásito que causa la enfermedad del sueño.

Sin embargo, para desarrollar AlphaFold, fue necesaria la información y los datos del trabajo previo que miles de investigadores habían llevado a cabo durante décadas, un trabajo fiable y seguro para el entrenamiento de AlphaFold que hoy usan miles de científicos en todo el mundo.

«El futuro está en la colaboración entre los científicos y la IA que necesita datos fiables y nosotros una interpretación sólida», ha resumido el investigador del CIB, entre los dos será posible «conseguir grandes resultados en la lucha contra el cáncer o la búsqueda de nuevos antibióticos, entre otros muchos campos».

‘Co-Scientist‘ es otra herramienta de Google esencial para los científicos, un colaborador virtual que les ayuda a generar nuevas hipótesis y está «muy por encima de otros como Open IA o Gemini», ha asegurado el investigador del Imperial College (Reino Unido) Tiago Días da Costa.

La herramienta sugiere hipótesis y propone enfoques y eso ayuda a los investigadores a ganar muchísimo tiempo, aunque después «hay que validar esas hipótesis en los laboratorios», por eso «la IA no acabará jamás con el trabajo humano» pero puede acelerar el resultado final «varios años», ha subrayado.

Pero la IA también es importante para la medicina, desde un punto de vista práctico, como ha explicado Sara Toledado, cofundadora de Sycai Medical, una empresa basada en un software que ayuda a los radiólogos de los hospitales a realizar diagnósticos de cáncer en la zona abdominal.

El programa analiza los TACS abdominales disponibles y busca lesiones cancerosas y su caracterización y los compara para presentar una posible evolución de un paciente, así puede descubrir lesiones precancerosas que un médico no puede percibir y que con el tiempo darán lugar a un cáncer de hígado, riñón o páncreas, «tres órganos en los que el cáncer suele ser asintómatico y en los que el diagnóstico suele llegar muy tarde, cuando el tumor está muy avanzado», ha explicado Toledano.

«La salud es una situación perfecta para la IA, porque hay muchos datos que no se utilizan o revisan por falta de tiempo o de personal y con unos patrones perfectamente identificables que la IA puede aprender» y que pueden ser de gran ayuda para el médico. «Con este sistema, uno de cada cinco muertos por cáncer de hígado, riñón o páncreas se podía haber evitado», ha dicho Toledado.

Para Susan Thomas, médica y directora de Google Health, «la medicina está en constante evolución. Antes no teníamos ecografías y palpábamos al paciente, y la IA es el siguiente paso, solo hay que aprovecharlo pero el enfermo siempre necesitará al profesional humano, siempre».

01 abril 2025|Fuente: EFE |Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2025. Agencia Informativa Latinoamericana Prensa Latina S.A.|Noticia

Una inteligencia artificial (IA) desarrollada por un equipo científico en el que ha participado el Centro de Regulación Genómica (CRG) es capaz de diferenciar las células cancerosas de las normales, así como de detectar las fases más tempranas de la infección viral en su interior.

Los hallazgos de este proyecto, en el que también han colaborado la Universidad del País Vasco (UPV/EHU), el Donostia International Physics Center (DIPC) y la Fundación Biofísica Bizkaia (FBB), abren el camino para desarrollar nuevas técnicas de diagnóstico y estrategias de seguimiento de enfermedades.

La herramienta, bautizada como AI of the Nucleus (AINU), escanea imágenes de alta resolución de las células, que se obtienen con una técnica especial de microscopía llamada STORM, que crea una imagen que captura muchos más detalles de los que pueden ver los microscopios normales.

Las instantáneas de alta definición revelan estructuras con una resolución a nivel nanométrico (nm), es decir, una milmillonésima parte de un metro.

Así, la IA puede detectar reordenamientos dentro de las células tan pequeñas como 20 nm o 5 000 veces menores que el ancho de un cabello humano, alteraciones demasiado pequeñas como para que los observadores humanos las detecten con los métodos tradicionales.

«La resolución de las imágenes es suficientemente potente como para reconocer patrones específicos con una precisión notable, incluidos los cambios en la forma en que se organiza el ADN en las células», ha explicado la profesora de investigación ICREA Pia Cosma, coautora principal del estudio e investigadora del CRG.

La experta ha destacado que se prevé que en un futuro este tipo de información pueda permitir a los médicos «ganar tiempo para controlar la enfermedad, personalizar los tratamientos y mejorar los resultados de los pacientes».

Una respuesta casi inmediata

La resolución nanométrica de las imágenes permitió que la IA detectara cambios en el núcleo de una célula solo una hora después de que fuera infectada por el virus del herpes simple tipo uno.

«Normalmente, los médicos tardan un tiempo en detectar una infección porque se basan en síntomas visibles o cambios mayores en el cuerpo», ha afirmado Ignacio Arganda-Carreras, coautor del estudio e investigador asociado de la UPV/EHU.

Sin embargo, el investigador ha apuntado que, con AINU, «vemos pequeños cambios en el núcleo de la célula inmediatamente».

Por su parte, Limei Zhong, coautora principal del estudio e investigadora del Hospital Popular Provincial de Guangdong (GDPH) en Guangzhou (China), ha agregado: «En hospitales y en la clínica, AINU podría utilizarse para diagnosticar infecciones a partir de una simple muestra de sangre o tejido».

Sentando las bases para la preparación clínica

Los autores del estudio avisan de que todavía deben superar «importantes limitaciones» antes de que la tecnología esté lista para ser probada o implementada en un entorno clínico.

Por ejemplo, las imágenes STORM solo pueden tomarse con equipos especializados que normalmente solo se encuentran en laboratorios de investigación biomédica.

Asimismo, la instalación y el mantenimiento de los sistemas de imágenes que requiere la IA suponen, según los investigadores, «una importante inversión tanto en equipos como en competencias técnicas».

Otro posible contratiempo es que estas imágenes analizan pocas células a la vez, por lo que, para fines de diagnóstico, los médicos necesitarían capturar muchas más células en una sola imagen para poder detectar o monitorizar una enfermedad.

«Hay muchos avances rápidos en el campo de las imágenes STORM, por lo que los microscopios pronto podrán estar disponibles en laboratorios más pequeños o menos especializados e incluso en la clínica. Esperamos realizar experimentos preclínicos pronto», ha subrayado la doctora Cosma.

27 agosto 2024|Fuente: EFE |Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2024. Agencia Informativa Latinoamericana Prensa Latina S.A.|Noticia

El trabajo demuestra la promesa de utilizar inteligencia artificial (IA) para detectar patrones en datos clínicos que luego pueden usarse para rastrear grandes bases de datos genéticas para determinar qué está impulsando ese riesgo. ‘Este es un primer paso hacia el uso de la IA en datos clínicos de rutina, no sólo para identificar el riesgo lo antes posible, sino también para comprender la biología detrás de él’, dijo la autora principal del estudio, Alice Tang, estudiante de doctorado en el Laboratorio Sirota en el centro universitario.

El poder de este enfoque de IA proviene de la identificación de riesgos basados en combinaciones de enfermedades, explicaron los expertos. El Alzheimer, una forma progresiva y mortal de demencia que destruye la memoria, afecta a unos 6,7 millones de estadounidenses, casi dos tercios de los cuales son mujeres.

El riesgo de contraer la enfermedad aumenta con la edad y las mujeres tienden a vivir más que los hombres, pero eso no explica completamente por qué la padecen más mujeres que hombres. Los investigadores utilizaron la base de datos clínica de más de cinco millones de pacientes para buscar condiciones concurrentes en pacientes que habían sido diagnosticados con Alzheimer.

Descubrieron que podían identificar con un 72 por ciento de poder predictivo quién desarrollaría la enfermedad hasta siete años antes. Varios factores, entre ellos la hipertensión, el colesterol alto y la deficiencia de vitamina D, fueron predictivos tanto en hombres como en mujeres. La disfunción eréctil y el agrandamiento de la próstata también fueron predictivos para los hombres. Pero para las mujeres, la osteoporosis fue un predictor particularmente importante, lo cual no significa que todas las personas con esta enfermedad ósea, que es común entre las mujeres mayores, contraerán Alzheimer.

21 febrero 2024 | Fuente: Prensa Latina | Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A

El profesor Hyungseok Lee, del Departamento de Ingeniería Mecánica y Biomédica de la Universidad Nacional de Kangwon, expuso su opinión sobre el futuro desarrollo de la fabricación de organoides el 6 de marzo en Cyborg and Bionic Systems.

Los organoides con capacidad de autoorganización y ensamblaje tienen amplias perspectivas de investigación y aplicación. Además de la simulación más básica del desarrollo de órganos humanos que no puede estudiarse en modelos animales, los organoides también pueden reproducir patologías humanas en lugar de animales para completar la investigación. Además, debido a la cómoda personalización de las fuentes celulares, los organoides también podrían utilizarse como «sustitutos» de pacientes clínicos para predecir personalmente los mejores agentes terapéuticos.

Sin embargo, un organoide tan utilizado se enfrenta a la dificultad de estandarizar su producción. Debido a las diferencias en el experimentador, las condiciones de cultivo y las condiciones celulares, el organoide, aunque permite modelizar la enfermedad, no puede mostrar propiedades estrictamente consistentes para su aplicación en el cribado de nuevos fármacos, especialmente en el proceso de cuantificación. Además, mantener todos los nutrientes, factores de crecimiento y metabolitos en equilibrio constante es un reto técnico durante el crecimiento del organoide, lo que también puede causar discrepancias con el tejido diana real.

La bioimpresión, especialmente la bioimpresión por extrusión, permite la fabricación estandarizada de componentes organoides con una composición y estructura celular compleja, controlando la calidad y minimizando la intervención humana. Además, la tecnología de bioimpresión también podría facilitar la automatización de los procesos de fabricación. La alta resolución es fundamental para la bioimpresión de organoides, con lo que se espera realizar la fabricación de organoides vascularizados con red de perfusión y superar la limitación del transporte pasivo de sustancias.

La inteligencia artificial está acaparando actualmente la atención por su capacidad para supervisar y controlar la calidad del objeto final que se explota. El proceso de bioimpresión que incorpora para crear organoides monitoriza en tiempo real el estado de las células y las estructuras impresas, proporcionando retroalimentación para una impresión fina que garantice la resolución. Este tipo de fabricación de órganos abre perspectivas de futuro para la modelización de enfermedades complejas y el ensayo combinatorio de nuevos fármacos.

Abril 15/2023 (EurekaAlert!) – Tomado de News Releases. Copyright 2023 by the American Association for the Advancement of Science (AAAS).

Los resultados de esta investigación se han presentado en el Congreso de la Sociedad Americana para la Medicina Reproductiva (ASRM), celebrada en California, Estados Unidos, por el director de la Fundación IVI, Nicolás Garrido, supervisor del estudio.

Según el IVI, los avances en el ámbito de la medicina reproductiva son constantes, y permiten ofrecer a los pacientes cada vez mejores resultados en sus procesos, pero suelen enfocarse mayoritariamente en el factor femenino, y la infertilidad también afecta a los hombres.

Hasta ahora, la información bioquímica de los espermatozoides únicamente se había estudiado mediante técnicas invasivas. Gracias a este trabajo, se puede asociar de manera inocua un DNI único e inequívoco al espermatozoide y reconocerlo entre otros espermatozoides.

Ahora se puede saber los espermatozoides que llegan a blastocisto y así seleccionar los que presenten un perfil más adecuado, mejorando, en última instancia, los resultados de los tratamientos, ha explicado.

Se ha presentado otro estudio que da un paso más en los resultados alcanzados mediante esta disciplina y permite predecir la capacidad de un embrión desvitrificado para dar lugar a un bebé.

El coordinador del estudio, Marcos Meseguer, ha afirmado que durante los cinco años de estudio y aplicación de la Inteligencia Artificial a la selección embrionaria se han alcanzado resultados esperanzadores. Según este avance, en vez de introducir el embrión en una incubadora convencional para esperar el momento de transferirlo al útero materno tras su desvitrificación, como se hace generalmente, se coloca en el incubador cinematográfico EmbryoScope.

De esta manera, se obtiene una película del desarrollo embrionario que muestra cómo varía de aspecto el embrión durante las 4 horas en que permanece en la incubadora, y así han averiguado que, en función del comportamiento del embrión al descongelarse, se pueden conocer sus posibilidades de implantación mediante un algoritmo de IA de evaluación de su desarrollo durante este tiempo previo a su transferencia.

Con ello se mejora la capacidad diagnóstica y aumenta el grado de precisión a la hora de confirmar con mayor certidumbre las posibilidades de implantar que presenta cada embrión.

Las reticencias de los pacientes a la hora de realizarse un tratamiento con óvulos donados han sido y siguen siendo una constante en las consultas de reproducción asistida, según el IVI, de ahí que en los últimos años el instituto ha iniciado varias líneas de investigación respecto al ‘diálogo que se produce entre el embrión y su madre gestante, más allá de la genética’.

La epigenética demuestra que el ambiente uterino influye en gran medida en las primeras etapas del desarrollo embrionario, necesarias para que se produzca una correcta implantación y se lleve a cabo un embarazo a término, ha señalado Hortensia Ferrero, investigadora de la Fundación IVI.

Este es el punto de partida de un trabajo que ha sido premiado en el Congreso y cuyo objetivo es demostrar que el endometrio materno se comunica con el embrión antes de que este implante y dicha comunicación está implicada en procesos que participan en la receptividad del endometrio y desarrollo embrionario, necesarios para que se produzca una exitosa implantación.

‘Nuestros datos sugieren que el endometrio materno secreta vesículas que contienen micro reguladores de expresión génica (miRNA) que son internalizados por el embrión y modulan los procesos biológicos implicados en la implantación y el desarrollo temprano de este. Estos miRNA podrían ser indicadores de implantación, incluso ser útiles para mejorar las tasas de éxito de los tratamientos reproductivos’, añade.

octubre 27/2022 (EFE) – Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A.

La oenegé Drugs for Neglected Diseases Initiative (Iniciativa para las Drogas para Enfermedades Olvidadas) busca tratamientos para enfermedades que generan poco interés y en abril lanzó una asociación con BenevolentAI, una empresa británica que busca desarrollar moléculas gracias a la IA.

A principios de 2020, la empresa escocesa Exscientia, en asociación con la farmacéutica japonesa Sumitomo Dainippon, desarrolló la primera molécula «construida» gracias a la IA que entró en un ensayo clínico.

«No es algo futurista: la inteligencia artificial es un enfoque metodológico del tratamiento de datos que puede servir en varias etapas del proceso de desarrollo de la industria de los medicamentos», estima el doctor Thomas Borel, director para temas científicos de la Federación de Empresas del Medicamento en Francia (Leem).

En una visita a los locales en París de la empresa emergente francesa Iktos, fundada en 2016, deja claro que hay un cambio de era. En esta compañía no hay microscopios ni aparatos tradicionales de biología ni ningún empleado en bata blanca.

En cambio, los ordenadores trabajan sin descanso, analizando datos a una velocidad inalcanzable para cualquier ser humano.

«La idea es usar datos que ya existen para obtener nuevas moléculas que sean interesantes, de una forma más rápida», explicó Yann Gaston-Mathé, dirigente de esta empresa de la cual es cofundador.

Para ello, su equipo utilizó una base de datos global con la información de 100 millones de moléculas. A partir de estos datos, «creamos un modelo que va a generar automáticamente nuevas moléculas e identificar aquellas que puedan ser activas para objetivos biológicos de interés», explicó.

Iktos tiene una plataforma de búsqueda de moléculas gracias a la inteligencia artificial que entrega datos a farmacéuticas abonadas a este servicio.

Aqemia, una joven empresa surgida en la Escuela Nacional Superior PSL en 2019 en Francia, desarrolló por su parte una plataforma para descubrir medicamentos gracias a la física estadística inspirada de la cuántica.

«Utilizamos una inteligencia artificial que calificamos como generativa», destacó su fundador, el investigador Maximilien Levesque.

«Inventamos moléculas que van a pegarse a un objetivo biológico específico que es causante de una enfermedad. La inteligencia artificial se alimenta de la física: necesitamos conocer la naturaleza física de la molécula y del objetivo para calcular su afinidad», describió.

Si bien las empresas nuevas están a la vanguardia, los laboratorios están cada vez más interesados en esta área. Prueba de ello son sus inversiones en este sector.

El gigante estadounidense Bristol-Myers Squibb llegó a un acuerdo con Exscientia el año pasado y podría entregarle más de 1 000 millones de dólares.

En 2019, el laboratorio suizo Novartis y el gigante informático Microsoft anunciaron un acuerdo de colaboración.

Pero eso no necesariamente implica el fin de la química de laboratorio. Este nuevo campo enfrenta dificultades importantes, como el acceso a datos que sean susceptibles de ser explotados y la necesidad de encontrar especialistas, que dominen, por un lado, la inteligencia artificial y, por otra parte, tengan conocimientos de farmacología.

Además, hay un aspecto reglamentario muy importante, agregó Thomas Borel, de Leem. «Para que un medicamento sea aceptado, es necesario que los sistemas reguladores reconozcan el valor del algoritmo», señaló.

«Hace años que los medicamentos son concebidos con la ayuda de ordenadores», comentó por su parte Gaston-Mathé, para quien su objetivo es aportar «herramientas adicionales a los químicos sin querer reemplazar al hombre por la máquina».

junio 06/2022 (AFP) – Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A.

Los profesionales de la medicina suelen aconsejar a los pacientes que no busquen sus síntomas en Internet antes de acudir a la consulta, pero muchas personas recurren al ‘Dr. Google’ cuando se sienten mal. La preocupación por la ‘cibercondría‘, o el aumento de la ansiedad inducida por Internet, ha hecho que el valor de las búsquedas en Internet sea controvertido.

Todos los participantes demostraron una modesta mejora a la hora de llegar a un diagnóstico exacto después de buscar los síntomas en Internet y, al mismo tiempo, no mostraron diferencias en la ansiedad declarada ni en la capacidad de triaje, según publican en la revista JAMA Network Open.

«Tengo pacientes todo el tiempo, en los que la única razón por la que vienen a mi consulta es porque han buscado algo en Google y en Internet se dice que tienen cáncer. Me pregunté: ‘¿Son todos estos pacientes? ¿Cuánta cibercondría está creando Internet?», explica el autor correspondiente, David Levine, de la División de Medicina Interna General y Atención Primaria del Brigham.

En un estudio realizado con 5 000 participantes, se pidió a cada uno que leyera una breve viñeta de un caso que describía una serie de síntomas y que imaginara que alguien cercano a él experimentaba los síntomas descritos. Se pidió a los participantes que dieran un diagnóstico basado en la información dada y que luego buscaran los síntomas de su caso en Internet y volvieran a ofrecer un diagnóstico.

Los casos iban de leves a graves, pero describían enfermedades que afectan habitualmente a la gente de a pie, como virus, infartos de miocardio y accidentes cerebrovasculares. Además de diagnosticar una determinada enfermedad, cada participante seleccionaba un nivel de triaje, que iba desde ‘dejar que el problema de salud mejore por sí solo’ hasta ‘llamar al 112′. A continuación, los miembros del estudio registraron sus niveles individuales de ansiedad.

En particular, Levine y el coautor Ateev Mehrota, de la Facultad de Medicina de Harvard, descubrieron que las personas eran ligeramente mejores a la hora de diagnosticar correctamente sus casos tras realizar una búsqueda en Internet. Los participantes no demostraron ninguna diferencia en sus capacidades de triaje ni informaron de un cambio en la ansiedad después de usar Internet.

«Nuestro trabajo sugiere que es probable que esté bien decir a nuestros pacientes que ‘busquen en Google’, explica Levine. Esto empieza a formar la base de evidencia de que no hay mucho daño en eso, y, de hecho, puede haber algo bueno».

Los autores señalan que una limitación de este estudio es que se pidió a los participantes que fingieran que un ser querido tenía los síntomas descritos en la viñeta del caso. No está del todo claro si las personas se comportarían de la misma manera al experimentar ellos mismos los síntomas. Además, los autores señalan que este estudio no es representativo de todas las personas que utilizan Internet para realizar búsquedas relacionadas con la salud.

Levine también planea ampliar el alcance de este estudio investigando la capacidad de la inteligencia artificial (IA) de utilizar Internet para diagnosticar correctamente a los pacientes.

«Este próximo estudio toma un algoritmo de IA generalizado, entrenado en todo el texto de código abierto de Internet, como Reddit y Twitter, y luego lo utiliza para responder cuando se le pide, explica Levine. ¿Puede la IA complementar el uso que la gente hace de Internet? ¿Puede complementar el uso que hacen los médicos de Internet? Eso es lo que nos interesa investigar».

abril 01/2021 (Europa Press) – Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A.

 Referencia:

Levine D.M.,Mehrotra A.:Assessment of Diagnosis and Triage in Validated Case Vignettes Among Nonphysicians Before and After Internet Search. JAMA Netw Open. 2021; 4(3):e213287. doi:10.1001/jamanetworkopen.2021.3287

Muchas de las bacterias que producen enfermedades introducen proteínas maliciosas, denominadas efectores, en la célula, con las que reprograman sus funciones para beneficiar la infección. Los efectores toman el control de las células para, por ejemplo, evitar que se envíen señales de alarma al sistema inmune y así permitir a los intrusos colonizar el intestino.

“Los antibióticos son poco eficaces para combatir a estas infecciones, ya que eliminan la flora bacteriana intestinal beneficiosa, la microbiota, y pueden acabar ayudando a las bacterias patógenas a colonizar el intestino. Por lo tanto, sigue siendo un reto encontrar tratamientos efectivos para estas infecciones y, para ello, es clave comprender cómo funciona el proceso infectivo”, explica el investigador del CSIC Luis Ángel Fernández, del Centro Nacional de Biotecnología (CNB-CSIC).

Pero esto no es tarea sencilla. Las bacterias patógenas cuentan con una gran variedad de efectores distintos y estos se apropian de la célula a través de interacciones complejas. A causa de esta complejidad, hasta ahora no se había estudiado cómo estas proteínas efectoras trabajan conjuntamente durante la infección. Científicos españoles en el CSIC, la Universidad Politécnica de Madrid y el Imperial College de Londres han aunado fuerzas para llevar a cabo la titánica labor de analizar las proteínas efectoras de un patógeno intestinal de forma conjunta. Para conseguirlo, ha sido necesario combinar experimentos en el laboratorio con herramientas de inteligencia artificial (IA).

En este trabajo han utilizado una bacteria que infecta ratones (Citrobacter rodentium) pero que está emparentada con las cepas de E. coli que infectan en el intestino humano. Mediante ingeniería del genoma de esta bacteria, han construido más de 100 variantes (cepas), cada una con una combinación diferente de efectores. En el laboratorio, han investigado los efectos que provocan las distintas variantes en las células infectadas del intestino del ratón y en la respuesta del sistema inmune, y han clasificado estas variantes según su capacidad de colonizar el intestino.

En este estudio se ha descubierto que los efectores cooperan entre ellos formando redes en las que existen funciones solapadas, de forma que las bacterias pueden salirse con la suya incluso cuando carecen de más del 60 % de las proteínas efectoras. Además, gracias a la ayuda de la IA, se ha podido identificar que cada red se caracteriza por tener distintas proteínas efectoras esenciales.

David Ruano Gallego, investigador actualmente en el Centro de Astrobiología (CSIC-INTA), y Julia Sánchez Garrido, investigadora española en el Imperial College de Londres, coinciden en que los resultados muestran que los efectores inyectados no actúan individualmente sino cooperando y que la red que forman es resistente y flexible a la vez; si varias piezas fallan, las demás todavía son capaces de hackear a la célula. “Si aprendemos cómo actúa cada conjunto particular de estas moléculas bacterianas para establecer una infección, podremos diseñar tratamientos individualizados”, apunta Ruano.

Según David Ruano, “estos resultados también abren la posibilidad de utilizar la información de la IA para comprender mejor otras enfermedades intestinales como la colitis o el cáncer. También, encontraremos formas alternativas de combatir las infecciones sin tener que usar antibióticos, sino mejorando y ayudando a nuestras propias defensas”.

marzo 23/2021 (Dicyt)

Referencia:

Ruano-Gallego D., Sánchez-Garrido J., Kozik  Z., Núñez-Berrueco E., Cepeda-Molero M.,Mullineaux-Sanders C.,Baghshomali Clark N., Slater S.L., Naama Wagner N.,  Glegola-Madejska I., Roumeliotis T.I.,  Pupko T., Fernández L.A.,  Rodríguez-Patón A., Choudhary J. S., Frankel G.: Type III secretion system effectors form robust and flexible intracellular virulence networks.  Science  12 Mar 2021: Vol. 371, Issue 6534, eabc9531 DOI: 10.1126/science.abc9531

“La IA es una herramienta que ayuda a los profesionales alcanzar la optimización, dedicándose a las tareas creativas y no empleando su tiempo en tareas rutinarias que pueden estandarizarse”, dice Natalia Gavaldá, especialista en IA y big data de la Empresa Minded.

José Antonio Gegúndez, FEA de la Unidad de Superficie e Inflamación Ocular del Hospital Clínico San Carlos, de Madrid, no se rinde a la fascinación general por las nuevas definiciones. Creador de la app Uvemaster de apoyo al diagnóstico de uveítis, cree que “la inteligencia artificial hoy día es un término sobredimensionado, muy pretencioso, e impregnado de marketing y de interés comercial”. Gegúndez defiende que la inteligencia es una cualidad humana y que la IA debería llamarse “estadística contemporánea”.

Uvemaster utiliza fórmulas de cálculo muy complejas e incluye en sus 80 pantallas todos los tipos de uveítis, llegando a una precisión diagnóstica del 96,6 %. Disponiendo de los mismos datos clínicos detecta más casos específicos de uveítis que el método clásico del oftalmólogo. “El aprendizaje automático supervisado (deep learning es el término anglosajón más popular) sería el conocimiento de la IA, que en realidad es estadística y no tiene capacidad de aprender”, comenta el oftalmólogo, arguyendo que las máquinas no pueden adquirir el conocimiento tácito humano que absorbemos a través de signos y señales, de instintos, de peligros… En definitiva, lo que él llama “inteligencia verdadera”, sin perder de vista que la IA es colaboradora de la inteligencia humana.

“La IA es, en realidad, estadística, no tiene capacidad de aprender”.

También se ha visto que la IA favorece el despistaje y diagnóstico del glaucoma, con algoritmos de deep learning que igualan y mejoran la capacidad diagnóstica del oftalmólogo, permiten predecir la evolución de la enfermedad, así como diseñar estrategias personalizadas para cada paciente en función de las predicciones. Así lo explica José María Martínez de la Casa, otro especialista del Clínico San Carlos, para quien “la IA es muy importante en glaucoma porque es una enfermedad asintomática, de alta prevalencia y con altos índices sin diagnosticar”.

Ejemplo de ello es el software RetinaLyze que, con tres algoritmos diferentes, verifica en poco tiempo y con eficiencia los cambios que produce en la retina la retinopatía diabética, la degeneración macular asociada a la edad (DMAE) y el glaucoma. También está disponible el sistema VirtualEyePerimeter, unas gafas para hacer a domicilio la perimetría computarizada que valora el campo visual. Después los datos se comparten por Google. Una vez se cuenta con tres campos visuales, el cuarto es predecible con un porcentaje muy alto de acierto. Para ello se dispone de un algoritmo que utiliza 11 millones de puntos.

Historia clínica revolucionaria
Muy involucrado en proyectos de IA aplicados a oftalmología está el argentino Roberto Zaldívar, creador de varias técnicas quirúrgicas e inventor de las lentes fáquicas de cámara posterior. En su instituto de cirugía e investigación ocular trabajan matemáticos, estadísticos e ingenieros de materiales y se vuelcan en la estandarización de datos de calidad. “La IA toma lo que le damos, por eso importa quién da la información y cómo la da, o nos encontraremos el gran impedimento de falta de calidad”, alerta el experto, incidiendo en que en oftalmología “todo tiene números y también se barajan miles de imágenes, lo que sustenta la idea de que la IA será una ayuda increíble, aunque nunca sustituirá al médico”.

En el Instituto Zaldívar, de Mendoza (Argentina), están desarrollando un modelo revolucionario de historia clínica y también estudian los flujos de pacientes para evitar un caos organizativo. Actualmente miden todos sus pasos en el circuito asistencial, desde los espacios de espera a las consultas, con un sistema que detecta en todo momento qué médicos están menos ocupados o que aparatos están libres, para derivar automáticamente al paciente y evitar demoras. “La IA es un término gigantesco, pero la realidad es inexorable”, recalca el cirujano ocular.

Filomena Ribeiro, del Hospital Da Luz (Lisboa), puso sobre la mesa otra perspectiva de la IA: los nuevos instrumentos biométricos para el cálculo de lentes intraoculares. Por un lado, el método de trazado de rayos en que se basan las calculadoras PhacoOptics, Okulix y Barret; y, por otro, las que se sostienen en sistemas de inteligencia artificial (RBF, Plus y FullMonte) si bien todas ellas utilizan fórmulas matemáticas en sus cálculos. Del deep learning participan también los métodos combinados (Evo, PearlDGS, LSF-Plus y Kane).

Según Ribeiro, para aumentar la precisión de las constantes hay que mejorar mucho la calidad de registros y medidas de las lentes, además de aumentar los datos disponibles sobre ellas, si se quiere mejorar la calidad del producto final. “El futuro es un biómetro inteligente capaz de analizar un gran número de variables que sirvan de apoyo a la decisión médica”, concluye.

La gigantesca capacidad de ‘Arthur’

La Clínica Oftalmológica del Caribe (Colombia) podría ser el paradigma de la IA aplicada a la gestión de una organización sanitaria privada con 19 600 empleados y un millón de afiliados, según expone su promotor, Luis Scaf. El crecimiento exponencial de 750 cirugías hace 35 años a las decenas de miles actuales ha llevado a robotizar determinadas funciones con el Sistema de Asesoría Virtual Online en Salud (Savios).

El gran crecimiento de estos servicios llevó a la congestión e ineficacia de la atención telefónica (si no se confirmaban citas, había más de 3 000 inasistencias al mes); personal insuficiente para atender filas largas de pacientes; dificultades para controlar los suministros; gestión ineficiente del mantenimiento de equipos e infraestructuras; descontrol de las quejas…Y más aún, tarifas desactualizadas, flujos de caja ineficiente, altos sueldos para médicos, más carga impositiva…

En la actualidad, el robot Arthur confirma 2 000 citas en 220 minutos por diez canales telefónicos, por correo electrónico y redes sociales. Nadie se desespera al otro lado del teléfono, pues hay demora de entre 6 y 42 segundos para atender las llamadas desde esta plataforma omnicanal. Entre Arthur y 35 agentes que trabajan allí contestan 35 000 llamadas al mes. Pero, además, se controlan y desvían los flujos de pacientes en salas de espera, al igual que los suministros de lentes intraoculares y válvulas, que ahora se relacionan con una programación sistematizada del paciente.

marzo 09/2020 (Diario Médico)