Chris Zuo, estudiante de pregrado, fue el protagonista de la prueba inicial y permaneció cuatro minutos en la habitación, cubierto apenas por un traje de malla que, en teoría, lo protegería. Sin embargo, el resultado fue contundente: una serie de picaduras registradas que dejaron en evidencia que la vestimenta no era suficiente frente al ataque.

Este experimento marcó el inicio de un proceso de tres años, en el que un equipo de investigadores, encabezado por un profesor de Georgia Tech con más de dos décadas de experiencia en el estudio del movimiento animal, buscó comprender cómo los mosquitos toman decisiones al interactuar con los humanos.

La investigación siguió todos los protocolos éticos, garantizando la seguridad del voluntario y asegurando que los insectos utilizados estuvieran libres de enfermedades y fueran nativos del estado de Georgia. La sesión inicial fue la única en la que un participante humano sufrió picaduras directas.

Motivos y relevancia del estudio sobre mosquitos

Los mosquitos son responsables de la transmisión de enfermedades como la malaria y el dengue, ocasionando más de 700 000 muertes cada año, una cifra que supera a las de víctimas de conflictos armados, indica un estudio de la Organización Mundial de la Salud (OMS).

La humanidad invierte anualmente 22 000 millones de dólares en insecticidas, larvicidas y mosquiteros tratados, en un intento constante por controlar a un insecto que pesa 10 veces menos que un grano de arroz y posee únicamente 200 000 neuronas. A pesar de estos esfuerzos, estos bichos se adaptan rápidamente a los entornos urbanos y propagan enfermedades con mayor eficiencia, en parte por el cambio climático.

Comprender cómo detectan y eligen a sus víctimas se ha vuelto crucial, ya que logran localizar a los humanos a pesar de su limitada visión y simpleza aparente. El ensayo científico buscó, mediante la observación directa y el seguimiento de los vuelos de los mosquitos, modelar sus decisiones y reacciones ante la presencia humana, con la esperanza de aportar herramientas más eficaces para su control y, en última instancia, reducir el impacto global de las enfermedades que transmiten.

Uno de los desafíos clave fue recopilar datos precisos sobre las trayectorias de vuelo de cada ejemplar. Inicialmente, se consideró replicar antiguos “estudios de picaduras” donde los voluntarios se desnudaban para eliminar variables como el color de la ropa, pero se prefirió una aproximación menos riesgosa.

Chris, ya protegido con ropa de manga larga lavada con detergente sin perfume, guantes y mascarilla, posó inmóvil mientras los mosquitos lo rodeaban, permitiendo la observación sin más picaduras.

Para registrar el comportamiento de los insectos, el equipo utilizó el Photonic Sentry, una cámara especializada recomendada por los Centros para el Control y la Prevención de Enfermedades de Estados Unidos. Este dispositivo es capaz de rastrear cientos de insectos voladores simultáneamente, grabando a razón de 100 fotogramas por segundo y una resolución de 5 mm en espacios similares a un estudio grande.

En cuestión de horas, Chris y un colega de posgrado, Soohwan Kim, lograron recolectar más datos de vuelo de los insectos que los que se habían documentado previamente a nivel mundial.

El resultado del estudio de mosquitos

El análisis de los datos recogidos permitió a los investigadores obtener resultados valiosos. Tras la prueba, los expertos analizaron millones de puntos de velocidad y posición, empleando principios de inferencia bayesiana para respaldar las hipótesis matemáticas con observaciones reales.

Gracias a la enorme cantidad de trayectorias registradas, los científicos lograron identificar cómo reacciona un mosquito ante distintos tipos de señales.

Uno de los resultados más relevantes fue que los insectos modifican su vuelo según el estímulo presente. Ante un objeto visual oscuro, tienden a sobrevolar la zona sin detenerse; la presencia de dióxido de carbono, en cambio, provoca que reduzcan su velocidad y se concentren cerca de la fuente.

Cuando se combina una señal visual con las moléculas, adoptan patrones de vuelo orbital a alta velocidad alrededor del objetivo. Este comportamiento, inédito en estudios previos, se observó repetidamente tanto con maniquíes de poliestireno como en humanos, vestido de blanco y con sombrero negro, en la cámara experimental.

El modelo predictivo desarrollado por el equipo fue capaz de anticipar con precisión la distribución de los mosquitos alrededor de un humano, identificando “zonas de peligro” donde la probabilidad de ser rodeado por los insectos era significativamente mayor. Esto representa un avance sustancial respecto a los métodos de ensayo y error utilizados comúnmente para diseñar trampas o medidas de protección.

La revisión demostró que una comprensión matemática del comportamiento de los mosquitos puede servir como base para mejorar los sistemas de control y captura, contribuyendo así a la reducción de enfermedades transmitidas por estos insectos.

El experimento permitió comprender con mayor precisión cómo los mosquitos detectan y eligen a sus víctimas, y sentó las bases para el desarrollo de modelos predictivos aplicables al diseño de nuevas estrategias de control. La integración de observaciones directas, tecnología avanzada y análisis matemático proporciona un enfoque sólido para enfrentar el desafío que representa este diminuto y letal insecto. 

23 marzo 2026 | Fuente: Infobae | Tomado del sitio web | Noticia

Un equipo internacional de investigadores logró el primer gran avance hacia una nueva y más eficaz forma de combatir el virus de la viruela símica o Mpox, con ayuda de la inteligencia artificial (IA)

Según un artículo publicado en la revista Science Translational Medicine, el equipo descubrió que al inyectar a ratones una proteína de superficie viral recomendada por IA, estos producían anticuerpos que neutralizaban el Mpox, lo que sugiere que este avance podría utilizarse en una nueva vacuna contra este mal o en una terapia con anticuerpos.

Este virus es causante de una enfermedad dolorosa y en ocasiones mortal, especialmente peligrosa para niños, mujeres embarazadas y personas inmunodeprimidas.

En 2022 el Mpox comenzó a propagarse por el mundo, causando síntomas similares a los de la gripe, erupciones cutáneas y lesiones dolorosas en más de 150 000 personas, y casi 500 fallecieron.

Las vacunas desarrolladas para combatir la viruela se reutilizaron durante el brote para ayudar a los pacientes más vulnerables, pero esta vacuna es compleja y costosa, debido a que se fabrica a partir de un virus completo y debilitado.

«A diferencia de una vacuna de virus completo, que es grande y compleja de producir, nuestra innovación consiste en una sola proteína fácil de producir», afirmó Jason McLellan, profesor de Biociencias moleculares de la Universidad de Texas en Austin, Estados Unidos, y coautor principal del estudio.

Los otros autores principales del estudio, Rino Rappuoli y Emanuele Andreano, de la Fondazione Biotecnopolo di Siena, Italia, ayudaron a identificar 12 anticuerpos que neutralizan eficazmente el Mpox.

Utilizando la sangre de pacientes previamente infectados con el virus o vacunados contra él, los investigadores identificaron los anticuerpos, pero desconocían a qué partes del virus se dirigían.

Fue entonces que entró en escena la IA, pues los científicos utilizaron el modelo AlphaFold 3 para predecir a cuál de las aproximadamente 35 proteínas de la superficie del virus se unen fuertemente los anticuerpos.

El modelo predijo con alta certeza que algunos anticuerpos se unirían a una proteína de superficie viral llamada OPG153, y estudios posteriores verificaron el resultado.

Esto sugirió que la proteína sería un buen objetivo para el desarrollo de nuevas terapias con anticuerpos para tratar la Mpox o para su uso en una vacuna que impulse al sistema inmunitario a combatir el virus.

Los expertos coinciden en que habría llevado años encontrar este objetivo sin la ayuda de la IA.

El Mpox está estrechamente relacionado con el virus que causa la viruela, por lo que este descubrimiento podría conducir a mejores vacunas o terapias contra la viruela, que representa un alto riesgo como arma de bioterrorismo debido a su fácil transmisión y altas tasas de mortalidad. 

10 diciembre 2025 | Fuente: Prensa Latina | Tomado de | Noticia

Neumólogos e investigadores españoles han desarrollado, mediante el uso de inteligencia artificial, un novedoso modelo predictivo que identifica tres factores (edad, fiebre y taquipnea) asociados al perfil de paciente de coronavirus que debe ingresar en la Unidad de Cuidados Intensivos.

Los resultados, publicados en Journal of Medical Internet Research, forman parte de la investigación internacional Big COVIData, con cerca de 150 hospitales de Europa, Estados Unidos, Canadá y Latinoamérica, dirigida por José Luis Izquierdo, del Hospital Universitario de Guadalajara, y Joan B. Soriano y Julio Ancochea, del Hospital La Princesa de Madrid, junto con el equipo de Savana, la empresa española de investigación clínica mediante el uso de inteligencia artificial.

El modelo predictivo de ingresos en UCI, ya a disposición de la comunidad médica de todo el mundo, ha sido desarrollado gracias a la lectura automatizada de historias clínicas anonimizadas de más de un millón de pacientes de los cuales 10 500 tenían la COVID-19, con técnicas de procesamiento del lenguaje natural de los datos en tiempo real en pleno pico de la primera ola de la pandemia.

El sistema combina tres indicadores muy fáciles de detectar: edad superior a 58 años, fiebre por encima de 39 grados Celsius (o inferior, pero acompañada de problemas respiratorios, especialmente cuando son crepitantes) y taquipnea, es decir, más de 20 respiraciones por minuto. “Los profesionales sanitarios pueden incorporar fácilmente estos datos a su práctica clínica, para remitir de inmediato a los pacientes con peor pronóstico a los hospitales, antes de que empeore su condición”, explica Ignacio H. Medrano, fundador y director médico de Savana.

Para el desarrollo del modelo, que está siendo incorporado ya en los protocolos de actuación para la COVID-19 de varios hospitales españoles, se han aplicado técnicas de aprendizaje automático o machine learning y procesamiento del lenguaje natural NLP. Esta tecnología permite detectar de forma automática asociaciones significativas entre variables. La iniciativa es fruto del trabajo titulado Características clínicas y factores pronósticos de ingreso en Unidad de Cuidados Intensivos (UCI) de pacientes con la COVID-19: estudio retrospectivo usando aprendizaje automático y procesamiento del lenguaje natural.

Probabilidad de ingreso

Según el modelo, si un paciente de entre 40 y 79 años con la COVID-19 tiene taquipnea y acude a urgencias, tras ser visto en atención primaria, con alta probabilidad necesitará ingreso en UCI. Por otro lado, si un paciente sin taquipnea y menor de 56 años presenta fiebre inferior a 39 grados, necesitará UCI con poca probabilidad. En general, los síntomas más frecuentes asociados a hospitalizaciones por coronavirus son tos, fiebre y disnea o dificultad respiratoria, aunque estos se dan en menos del 50 % de los pacientes.

Las conclusiones del estudio indican que el 4,8 % de los hospitalizados por la COVID-19 requieren UCI, aunque un 0,2 % del total de los infectados no remitidos al hospital una vez diagnosticados también necesitaron ese tipo de cuidados médicos. De entre los 1 353 pacientes hospitalizados incluidos en el análisis, 65 de ellos necesitaron UCI, al igual que otros 18 que no habían sido previamente ingresados. Las cifras confirman la necesidad de acelerar la identificación precoz de los pacientes con peor pronóstico, especialmente en el caso de aquellos que a priori no suscitan sospechas de gravedad, pero que finalmente requieren Cuidados Intensivos.

Los principales signos y síntomas de pacientes en UCI por la COVID-19 son tos en el 74,7 % de los casos, fiebre (66,3 %), disnea (57,8 %), crepitación respiratoria (36,1 %) y taquipnea, hiperventilación por diversas afecciones (32,5 %). En cuanto a comorbilidad o enfermedades añadidas al coronavirus, la cardiovascular la padece el 72,3 %; la diabetes, el 39,8 %; la obesidad, el 22,9 %; y las enfermedades respiratorias crónicas, el 6 %.

Procesamiento en tiempo real

La tecnología EHRead de Savana aplicada a este estudio utiliza Natural Language Processing Clínico o procesamiento del lenguaje natural para automatizar la lectura anonimizada de miles de historias clínicas electrónicas; en este caso, procedentes de una enorme muestra de 1 364 924 pacientes con historia clínica electrónica, de los cuales 10 500 de Castilla-La Mancha fueron diagnosticados de la COVID-19 al inicio de la primera ola de la pandemia. Los resultados son extrapolables al conjunto de la población española.

La gran ventaja de este sistema es su capacidad para comprender las anotaciones en texto libre, no estructurado, redactadas por los médicos sobre sus pacientes (datos de análisis, tratamientos, etc.). Además, el procesamiento de los datos se hace en tiempo real, en este caso en pleno pico de la primera ola de la pandemia en España, por lo que, en tan solo seis semanas desde su inicio en marzo, se había enviado ya a publicar el artículo a la revista. Por aquel entonces, la cohorte de pacientes en los estudios relativos de la COVID-19 que se publicaban era significativamente menor.

Los pacientes analizados son muchos y se analizan en tiempo real, lo que permite hacer estudios con datos muy recientes, algo imposible en los estudios tradicionales, en los que el desarrollo de métodos predictivos requiere meses de recopilación de datos mediante cuestionarios con múltiples obstáculos para ser validados. “En la actual carrera contra la COVID-19, es urgente y necesario aprovechar los beneficios de los macrodatos y la analítica inteligente para mejorar la salud pública, con las máximas garantías de privacidad y confianza pública para aplicar las mejores prácticas y responsabilidad en la recopilación y el procesamiento de la información, a escala mundial”, comenta Ignacio H. Medrano.

febrero 11/2021 (Diario Médico)

En general, 12 de cada 100 000 personas desarrollan cáncer de páncreas. Esto significa que evaluar a toda la población sería ineficiente y expondría a muchas personas a pruebas innecesarias y posibles efectos secundarios. Entre el 70 y el 80 % de los pacientes son diagnosticados en una etapa avanzada cuando es demasiado tarde para el tratamiento curativo y cinco años después del diagnóstico, solo el 6 % de los pacientes sobrevive.

La detección ayuda a identificar el cáncer temprano, cuando los tratamientos son más efectivos, mejorando así la supervivencia. Hay dos requisitos principales para la detección. Primero, una prueba de detección que es fácil de realizar y tiene pocos efectos secundarios. En segundo lugar, un grupo definido que se beneficiaría más de la detección porque tienen un mayor riesgo.

Por ejemplo, el cribado del cáncer de mama implica realizar mamografías en mujeres entre los 50 y los 71 años. La IA podría ser la respuesta que se necesita desesperadamente para definir un grupo de individuos de mayor riesgo que se beneficiarían de la detección, especialmente porque recientemente algunos resultados prometedores han indicado que las pruebas no invasivas para el cáncer de páncreas pronto estarán disponibles.

Se sabe que los pacientes que desarrollan cáncer de páncreas consultan a su médico general (GP) con síntomas inespecíficos como problemas gastrointestinales o dolor de espalda con mayor frecuencia en los meses y años anteriores al diagnóstico en comparación con sus pares que no desarrollan cáncer de páncreas. Individualmente, es poco probable que estos síntomas desencadenen más investigaciones para el cáncer.

A los investigadores se les ocurrió la idea de que la IA podría encontrar una combinación de estos síntomas inespecíficos que está relacionada con un mayor riesgo de contraer la enfermedad, que sería difícil de detectar por los médicos de cabecera.

Este estudio preliminar utilizó registros electrónicos de salud de las prácticas de medicina general en el Reino Unido. El análisis incluyó a 1 378 pacientes de 15 a 99 años diagnosticados con cáncer de páncreas en 2005 a 2010. Cada paciente se comparó por edad y sexo con cuatro personas que no contrajeron cáncer de páncreas.

La información sobre síntomas, enfermedades y medicamentos en los dos años anteriores al diagnóstico se utilizó para crear un modelo que predecía quién desarrollaría cáncer de páncreas.

Utilizamos AI para estudiar un gran volumen de datos y buscar combinaciones que predicen quién desarrollará cáncer de páncreas, explica la autora del estudio, la doctora Ananya Malhotra, investigadora en estadística de la London School of Hygiene & Tropical Medicine. No es posible que el ojo humano reconozca estas tendencias en cantidades tan grandes de datos.

El estudio piloto encontró que, en personas menores de 60 años, el modelo podía predecir quién tenía un mayor riesgo de cáncer de páncreas hasta 20 meses antes del diagnóstico. Nuestro modelo ha estimado que se deben realizar alrededor de 1 500 pruebas para salvar una vida del cáncer de páncreas, explica Malhotra.

Es poco probable que sea lo suficientemente pequeño como para que la detección sea viable por el momento. Sin embargo, muestra que la IA tiene el potencial de reducir la cantidad de personas que necesitamos examinar, añade. Deberíamos poder reducir esto mucho más al unir el cáncer de páncreas pacientes a controles de la población general, que es lo que planeamos hacer a continuación (en el estudio actual, los controles tenían otros tipos de cáncer).

Combinar este modelo predictivo con una prueba de detección no invasiva, seguida de escaneos y biopsias, podría conducir a un diagnóstico más temprano para una proporción significativa de pacientes y un mayor número de pacientes que sobreviven a este cáncer, agrega Malhotra.

El uso de IA para identificar a las personas con alto riesgo de cáncer de páncreas hasta 20 meses antes podría marcar la diferencia entre la vida y la muerte.

Este debería ser tiempo suficiente para detectar el cáncer de páncreas, luego proceder con el diagnóstico y el tratamiento en pacientes con una prueba de detección positiva, añade la doctora Angela Lamarca, consultora en oncología médica en The Christie NHS Foundation Trust. El diagnóstico precoz en el cáncer de páncreas ofrece la mayor posibilidad de cura.

Según Lamarca, los médicos de cabecera podrían usar este tipo de modelo de IA en sus registros médicos para resaltar a los pacientes con mayor riesgo. Se puede generar una alarma que muestre quién debe recibir la evaluación.

Necesitamos estudios más grandes que incorporen herramientas de IA en la práctica clínica diaria y exploren el beneficio de evaluar a los pacientes seleccionados por AI, admite. También se necesita más investigación para encontrar una buena prueba de detección para estos pacientes de alto riesgo.

julio 04/2020 (Europa Press). Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A.

 Gracias a un modelo que incorpora previsiones de precipitación, temperatura y el fenómeno del Niño, se puede predecir el número mensual de casos de dengue con varios meses de antelación, según un estudio desarrollado por ISGlobal, centro impulsado por la Obra Social “la Caixa”. Coordinado junto con la London School of Hygiene & Tropical Medicine, el estudio, publicado en Lancet Planetary Health, muestra que el uso de información climatológica puede ayudar a las autoridades sanitarias a anticipar la transmisión de la enfermedad y a optimizar el uso de recursos.

El dengue, cuyo número de casos en el mundo ha aumentado considerablemente durante las últimas décadas (casi 60 millones en 2013, según la Organización Mundial de la Salud), es particularmente sensible a los cambios de clima. Por ejemplo, la temperatura afecta la proliferación y actividad del vector (el mosquito Aedes) y la replicación del virus en el mismo.

Sin embargo, la colaboración entre los servicios meteorológicos y de salud para ayudar a la toma de decisiones de salud pública aún es muy limitada. Además, hasta ahora las predicciones sobre el efecto del clima en la incidencia de dengue se han realizado de manera retrospectiva, usando datos que no habrían estado disponibles antes de la temporada.

La movilidad humana, campañas de control vectorial o el nivel de inmunidad de la población pueden desempeñar un papel tan o más importante que el clima

Este trabajo utilizó por primera vez previsiones climatológicas para hacer predicciones a largo plazo sobre la incidencia de dengue en la ciudad de Machala, Ecuador, una región altamente endémica para la enfermedad.

En particular, usaron previsiones en tiempo real de temperatura, precipitación e índex del Niño para predecir el número de casos mensuales de dengue en el 2016. Compararon la incidencia calculada por el modelo probabilístico con la incidencia observada.

Además, usaron datos de vigilancia epidemiológica activa para eliminar casos falsos (que se notificaron como dengue pero que en realidad eran casos de chikungunya, un virus que se introdujo a la región en el 2014 y que produce síntomas parecidos a los del dengue).

Los resultados muestran que el modelo predijo correctamente el aumento en la incidencia de dengue en la primera mitad del 2016 (comparado con los cinco años anteriores), y que el pico de la epidemia ocurriría tres meses antes de lo normal.

“La gran ventaja de este modelo es que permite hacer predicciones sobre la temporada entera desde el inicio del año”, señala Rachel Lowe, primera autora del estudio. “Esta información previa sobre la magnitud y evolución del pico de la incidencia puede ayudar a las autoridades de salud pública a invertir mejor los recursos, sobre todo cuando son escasos”, añade Xavier Rodó, jefe del programa de Clima y Salud de ISGlobal.

 Otros datos más importantes que el clima

Los autores advierten que las previsiones climáticas son particularmente útiles en años en que ocurren eventos del Niño o de La Niña. Otros años, factores como la movilidad humana, campañas de control vectorial o el nivel de inmunidad de la población pueden desempeñar un papel tan o más importante que el clima. Además, señalan que son necesarios datos climatológicos de calidad, fiables y a escala espaciotemporal adecuada, lo cual no siempre es fácil en países de bajos recursos.

Como señala un comentario publicado en la misma revista, este estudio “abre la vía a la disciplina de servicios climatológicos para la salud” y muestra la importancia de generalizar y aplicar este tipo de herramientas para guiar políticas de salud pública destinadas a reducir la carga de dengue y otras enfermedades sensibles al clima.

julio 11/ 2017 (SINC)

Referencia bibliográfica:

Lowe R, Stewart-Ibarra AM, Petrova D et al. Climate services for health: predicting the evolution of the 2016 dengue season in Machala, Ecuador. Lancet Planet Health 2017, 1:e142-51. http://dx.doi.org/10.1016/S2542-5196(17)30064-5