Las intervenciones rápidas de los profesionales médicos salvan vidas, pero algunos tratamientos de la sepsis también pueden contribuir al deterioro del paciente, por lo que elegir la terapia óptima puede ser una tarea difícil. Por ejemplo, en las primeras horas de una sepsis grave, la administración de demasiado líquido por vía intravenosa puede aumentar el riesgo de muerte del paciente.

La sepsis se cobra la vida de casi 270.000 personas al año solo en Estados Unidos. Para ayudar a los médicos a evitar los remedios que potencialmente pueden contribuir a la muerte de un paciente, investigadores del MIT han desarrollado un modelo de aprendizaje automático que podría usarse para identificar tratamientos que presentan un riesgo mayor que otras opciones.

Sepsis y Machine Learning

La sepsis es la respuesta abrumadora y extrema de su cuerpo a una infección. La sepsis es una emergencia médica que puede ser mortal. Sin un tratamiento rápido, puede provocar daños en los tejidos, falla orgánica e incluso la muerte.

Pero en el estudio, cuando se aplicó a un conjunto de datos de pacientes con sepsis en una unidad de cuidados intensivos de un hospital, el modelo de los investigadores indicó que alrededor del 12 por ciento de los tratamientos administrados a los pacientes que murieron fueron perjudiciales. El estudio también revela que alrededor del 3 por ciento de los pacientes que no sobrevivieron entraron en un callejón sin salida médico hasta 48 horas antes de morir.

En Xataka Ciencia

Este el algoritmo de IA puede predecir la supervivencia a largo plazo del paciente después de una cirugía cardíaca

Este proyecto de investigación fue impulsado por un artículo de 2019 que escribió Fatemi que exploraba el uso del aprendizaje por refuerzo en situaciones en las que es demasiado peligroso explorar acciones arbitrarias, lo que dificulta generar suficientes datos para entrenar algoritmos de manera efectiva. Estas situaciones, en las que no se pueden recopilar más datos de forma proactiva, se conocen como configuraciones "sin conexión".

En el aprendizaje por refuerzo, el algoritmo se entrena mediante prueba y error y aprende a tomar acciones que maximicen su acumulación de recompensa. Pero en un entorno de atención médica, es casi imposible generar suficientes datos para que estos modelos aprendan el tratamiento óptimo, ya que no es ético experimentar con posibles estrategias de tratamiento.

En Xataka Ciencia

No solo necesitamos más datos para mejorar la medicina, sino que los datos conecten entre sí

Entonces, los investigadores le dieron la vuelta al aprendizaje por refuerzo. Utilizaron los datos limitados de la UCI de un hospital para entrenar un modelo de aprendizaje por refuerzo para identificar los tratamientos que se deben evitar, con el objetivo de evitar que un paciente entre en un callejón sin salida médico.

Para desarrollar su enfoque, llamado Dead-end Discovery (DeD), crearon dos copias de una red neuronal. La primera red neuronal se enfoca solo en los resultados negativos, cuando un paciente murió, y la segunda red solo se enfoca en los resultados positivos, cuando un paciente sobrevivió. El uso de dos redes neuronales por separado permitió a los investigadores detectar un tratamiento de riesgo en una y luego confirmarlo con la otra.

En Xataka Ciencia

Si queremos entrenar algoritmos para detectar cáncer de piel necesitamos más imágenes (sobre todo de piel más oscura)

Alimentaron las estadísticas de salud del paciente de cada red neuronal y un tratamiento propuesto. Las redes generan un valor estimado de ese tratamiento y también evalúan la probabilidad de que el paciente entre en un callejón sin salida médico. Los investigadores compararon esas estimaciones para establecer umbrales para ver si la situación genera alguna señal de alerta.

Una bandera amarilla significa que un paciente está entrando en un área de preocupación, mientras que una bandera roja identifica una situación en la que es muy probable que el paciente no se recupere.

El cerebro humano contiene alrededor de 86.000 millones de neuronas que forman billones de puntos de contacto. La obtención de imágenes de un cerebro completo a resoluciones celulares produce datos en el rango de varios petabytes. La microscopía electrónica de todo el cerebro equivaldría a más de un exabyte de datos.

Comprender el cerebro en toda su complejidad requiere conocimientos de múltiples escalas, desde la genómica, las células y las sinapsis hasta el nivel de todo el órgano. Esto significa trabajar con grandes cantidades de datos, y la supercomputación se está convirtiendo en una herramienta indispensable para conseguirlo.

Human Brain Project

Los nuevos avances en neurociencia exigen tecnología informática de alto rendimiento y, en última instancia, necesitarán potencia informática a exaescala, tal y como refieren en el último número de Science la científica del cerebro Katrin Amunts y el experto en supercomputación Thomas Lippert.

IBM

Superordenadores y nuevas tecnologías, actuales tubos de ensayo en investigación biomédica

En Europa, el desafío de los macrodatos de la neurociencia es abordado por la infraestructura de investigación EBRAINS del Proyecto Cerebro Humano, que proporciona una gama de herramientas, datos y servicios informáticos a los investigadores del cerebro. Esto incluye el acceso a sistemas de supercomputación a través de la infraestructura federada de Fenix, que ha sido establecida por los principales centros de supercomputación de Europa como parte del Proyecto Cerebro Humano y servirá a comunidades más allá de la investigación del cerebro.

En los próximos cinco años, Europa tiene como objetivo desplegar sus dos primeros superordenadores de exaescala. Serán adquiridos por la Empresa Común Europea de Computación de Alto Rendimiento (EuroHPC JU), una iniciativa conjunta entre la UE, países europeos y socios privados. La computación a exaescala hace referencia a los sistemas de computación capaces de realizar un mínimo de 1 exaflop (10 elevado a la 18) u operaciones de coma flotante por segundo. Dicha capacidad representa una mejora mil veces superior al primer equipo de petaescala que entró en funcionamiento en 2008.

El próximo gran avance científico podría ser descubierto por un supercomputador

Los estudios demuestran que estos sistemas son 1000 veces más rápidos que los sistemas HPC actuales, de forma que pueden realizar un trillón de cálculos por segundo. Es decir, la exaescala proporcionará un aumento muy notable de la potencia informática. La potencia de cálculo de la exaescala también permitirá, según los investigadores, explorar nuevos proyectos en campos como las simulaciones cosmológicas, descubrir nuevos fármacos o materiales para la creación de células solares orgánicas más eficientes.

Una vez finalizado el proyecto, Aurora se convertirá en el primer supercomputador capaz de realizar cálculos de al menos un exaflops o un quintillón (es decir, 1.000.000.000.000.000.000) por segundo. Llegará eventualmente a lo largo del año 2022.

Según una nueva investigación presentada en el Festival NCRI y publicada en Lancet Digital Health, las imágenes y los datos adjuntos disponibles para entrenar la inteligencia artificial (IA) para detectar el cáncer de piel son insuficientes e incluyen muy pocas imágenes de piel más oscura.

Cuantos más ejemplos, mejor

La IA se utiliza cada vez más en medicina, ya que puede hacer que el diagnóstico de enfermedades como el cáncer de piel sea más rápido y eficaz. Sin embargo, la IA debe ser "entrenada" observando datos e imágenes de una gran cantidad de pacientes en los que ya se ha establecido el diagnóstico, por lo que un programa de IA depende en gran medida de la información en la que está entrenado.

En Xataka Ciencia

Se usa la inteligencia artificial para identificar una nueva combinación de fármacos para niños con cáncer cerebral incurable

Por ello, David Wen de la Universidad de Oxford, y sus colegas llevaron a cabo la primera revisión de todos los conjuntos de datos de acceso gratuito sobre lesiones cutáneas en todo el mundo. Encontraron 21 conjuntos que incluían más de 100.000 fotografías.

El diagnóstico de cáncer de piel normalmente requiere una foto de la lesión preocupante, así como una foto tomada con una lupa de mano especial, llamada dermatoscopio, pero solo dos de los 21 conjuntos de datos incluían imágenes tomadas con ambos métodos. A los conjuntos de datos también les faltaba otra información importante: cómo se eligieron las imágenes para incluirlas y evidencia de aprobación ética o consentimiento del paciente.

En Xataka Ciencia

Los hábitos de conducción registrados por GPS pueden ayudar a identificar la enfermedad de Alzheimer gracias a a la IA

Catorce de los 21 conjuntos de datos proporcionaron información sobre de qué país procedían y, de ellos, nueve contenían imágenes de países europeos. Solo un pequeño porcentaje de imágenes se acompañó de información sobre el color de piel o el origen étnico de los pacientes. Entre las imágenes en las que se indicó el color de la piel (2.436 imágenes), solo diez eran de piel morena y solo una era de piel morena o negra. Entre las imágenes en las que se indicó el origen étnico (1585 imágenes), ninguna era de personas de origen africano, afrocaribeño o del sur de Asia:

Esto tiene implicaciones para los programas desarrollados a partir de estas imágenes, debido a la incertidumbre sobre cómo pueden funcionar en diferentes grupos de personas, especialmente en aquellos que no están bien representados en los conjuntos de datos, como aquellos con piel más oscura. Esto puede potencialmente llevar a la exclusión o incluso daño de estos grupos debido a las tecnologías de IA. Aunque el cáncer de piel es más raro en personas con pieles más oscuras, existe evidencia de que quienes lo desarrollan pueden tener una enfermedad peor o tener más probabilidades de morir a causa de la enfermedad.

Un nuevo algoritmo de inteligencia artificial puede clasificar los medicamentos utilizados para tratar el cáncer de hígado primario, en función de su eficacia para reducir el crecimiento de células cancerosas, según un nuevo estudio realizado por investigadores del King's College Hospital y la Universidad Queen Mary de Londres.

Esta es la primera vez que se utiliza este método de aprendizaje automático para identificar nuevos tratamientos potenciales para el cáncer de vías biliares, un tipo de cáncer primario de hígado.

DRUML

El cáncer de hígado afecta a 6.200 personas en el Reino Unido cada año. La enfermedad a menudo puede pasar desapercibida, ya que los pacientes no experimentan síntomas desde el principio. Incluso cuando se detecta en una etapa temprana, la tasa de supervivencia a cinco años después del diagnóstico es inferior al 13%.

El cáncer de vías biliares, también conocido como colangiocarcinoma (CCA), es un tipo de cáncer de hígado primario que surge de las células del hígado conocidas como colangiocitos. El nuevo algoritmo se desarrolló tras el análisis de células CCA y tumores donados por pacientes de todo el mundo, incluidos donantes al Biobanco de Hígado del King's College Hospital.

El algoritmo, denominado Clasificación de fármacos mediante aprendizaje automático (DRUML), fue diseñado previamente para identificar tratamientos efectivos para pacientes diagnosticados con cánceres.

En Xataka Ciencia

Este nuevo algoritmo predecir con precisión qué cánceres de piel son altamente metastásicos

El método se basa en el análisis de proteínas modificadas que se observan comúnmente en células malignas y se cree que son clave para la capacidad de multiplicación de una célula. Los investigadores dicen que DRUML también tiene el potencial de clasificar los medicamentos para otros cánceres.

Un comité del Congreso de Estados Unidos está presionando al Departamento de Justicia para que explore el uso federal de la inteligencia artificial para analizar las llamadas telefónicas de los reclusos.

El panel ha pedido que se realicen más investigaciones sobre el potencial de la tecnología para prevenir el suicidio y los delitos violentos. El sistema transcribe conversaciones telefónicas, analiza el tono de voz y detecta ciertas palabras o frases preprogramadas por los funcionarios.

Sesgos algorítmicos

Bill Partridge, un jefe de policía en Alabama, donde ya se usa el sistema, dijo que los agentes resolvieron los casos de homicidio sin resolver después de que AI señaló a los prisioneros discutiendo los crímenes.

Los defensores argumentan que la tecnología puede proteger a los reclusos y ayudar a las investigaciones policiales, pero los críticos han expresado su alarma: temen que usar para interpretar conversaciones les lleve a cometer errores, malentendidos y prejuicios raciales que cambien la vida.

En Xataka Ciencia

La mayoría de los europeos estarían dispuestos a reemplazar a sus políticos por algoritmos de IA (sobre todo en España)

Un estudio de la Universidad de Stanford de 2020 encontró que los sistemas de voz a texto utilizados por Amazon, Google, Apple, IBM y Microsoft tenían tasas de error que eran casi dos veces más altas para las personas negras que para las blancas. Estas disparidades podrían reforzar las disparidades raciales en el sistema de justicia penal. La investigación muestra que los hombres negros en Estados Unidos tienen seis veces más probabilidades de ser encarcelados que los hombres blancos.

Albert Fox Cahn, director ejecutivo del Proyecto de Supervisión de Tecnología de Vigilancia, señala que la tecnología podría "automatizar la elaboración de perfiles raciales" y violar los derechos de privacidad.

Las nuevas tecnologías crean nuevos puestos de trabajo, no solo los destruyen, pero las habilidades que requieren no siempre coinciden con los antiguos puestos de trabajo. Cambiar de trabajo con éxito requiere aprovechar al máximo tus habilidades actuales y adquirir otras nuevas.

Para ello, según detalla un nuevo estudio, se ha desarrollado un sistema para recomendar transiciones profesionales, utilizando el aprendizaje automático para analizar más de 8 millones de anuncios de empleo online para ver qué movimientos tienen probabilidades de tener éxito.

Transición laboral

El sistema utiliza una medida que los economistas denominan 'ventaja comparativa revelada' (RCA) para identificar cuán importante es una habilidad individual para un trabajo, utilizando anuncios de empleo online de 2018. El siguiente mapa visualiza la similitud de las 500 habilidades principales. Cada marcador representa una habilidad individual, coloreada de acuerdo con uno de los 13 grupos de habilidades muy similares.

Este nuevo sistema comienza midiendo similitudes entre las habilidades requeridas por cada ocupación. Por ejemplo, un contable podría convertirse en analista financiero porque las habilidades requeridas son similares, pero un terapeuta del habla puede tener más dificultades para convertirse en analista financiero ya que las habilidades son bastante diferentes.

A continuación, el sistema analiza un gran conjunto de transiciones profesionales del mundo real para ver en qué dirección suelen ir estas transiciones. Por último, el sistema puede recomendar un cambio de carrera que probablemente tenga éxito y decir qué habilidades puedes necesitar para que funcione.

La siguiente imagen visualiza la similitud entre las ocupaciones australianas en 2018. Cada marcador muestra una ocupación individual, y los colores representan el riesgo que enfrenta cada ocupación debido a la automatización durante las próximas dos décadas (el azul muestra un riesgo bajo y el rojo muestra un riesgo alto). Las ocupaciones visiblemente similares se agrupan estrechamente, y las ocupaciones médicas y altamente calificadas enfrentan el riesgo de automatización más bajo.

Luego, se toma la medida de similitud entre ocupaciones y se combinama con una variedad de otras variables del mercado laboral, como los niveles de empleo y los requisitos educativos, para construir este sistema de recomendación de transición laboral. El mapa de transiciones completo es grande y complicado, pero puedes ver cómo funciona a continuación en una versión pequeña que solo incluye transiciones entre 20 ocupaciones. En el mapa, la ocupación 'fuente' se muestra en el eje horizontal y la ocupación 'objetivo' en el eje vertical.

El sistema también puede recomendar habilidades que los trabajadores deben desarrollar para aumentar sus posibilidades de una transición exitosa. Por ejemplo, para un 'limpiador doméstico', las habilidades más recomendadas necesarias para la transición a 'cuidador anciano y discapacitado' son habilidades especializadas en atención al paciente, como 'asistencia con la higiene del paciente'.

La creciente desconfianza en los gobiernos y los expertos ha revivido el método griego antiguo de empoderar al público para participar en la política, y las asambleas ciudadanas son cada vez más comunes. En Francia, por ejemplo, se han convocado asambleas de ciudadanos para deliberar respuestas al cambio climático.

Pero seleccionar a los miembros de estos órganos es una tarea complicada. Idealmente, las asambleas de ciudadanos deberían ser representativas y elegidas al azar. Equilibrar estos dos requisitos es un desafío mayúsculo, ya que los voluntarios tienden a no ser representativos de toda la población.

Computación de la democracia

En una época en que el respeto por los políticos profesionales disminuye, los algoritmos podrían mejorar una forma alternativa de democracia representativa.

En Xataka Ciencia

La mayoría de los europeos estarían dispuestos a reemplazar a sus políticos por algoritmos de IA (sobre todo en España)

Un equipo de informáticos de las universidades de Harvard y Carnegie Mellon ha ideado una solución potencial: algoritmos de selección, según un estudio publicado en Nature.

El algoritmo primero construye un conjunto de paneles dependientes de la cuota. Estos se desarrollan mediante la construcción iterativa de una “cartera óptima” de paneles y calculando la distribución más justa de participantes. A continuación, se extrae al azar un solo panel de la distribución.

En Xataka Ciencia

Tenemos que adaptar la democracia al funcionamiento de nuestro cerebro, no a la inversa

El algoritmo de código abierto ya se ha utilizado para seleccionar más de 40 asambleas de ciudadanos de todo el mundo. En Michigan, el sistema se utilizó para seleccionar un panel de 30 residentes para hacer recomendaciones sobre COVID-19.

Los investigadores ahora explorarán nuevas formas en que la informática puede contribuir a las prácticas democráticas.

Un nuevo estudio publicado en Cell Systems, muestra el potencial de las herramientas basadas en inteligencia artificial para revolucionar la patología del cáncer y una variedad de otras enfermedades. Concretamente, estos nuevos algoritmos de inteligencia artificial han sido desarrollados por investigadores de UT Southwestern para evaluar el potencial metastásico en cánceres de piel.

Ingeniería inversa

Con métodos basados ​​en el aprendizaje profundo (deep learning) capaces de distinguir diferencias mínimas en imágenes que son esencialmente invisibles para el ojo humano, los investigadores han propuesto utilizar esta información latente para buscar diferencias en las características de la enfermedad que podrían ofrecer información sobre los pronósticos o guiar los tratamientos.

En Xataka Ciencia

La enfermedad de Alzheimer ya puede detectarse durante una conversaciones telefónicas gracias al aprendizaje automático

Las diferencias que distingue la IA generalmente no son interpretables en términos de características celulares específicas, un inconveniente que ha hecho que la IA sea difícil de vender para uso clínico, pero aquí se usó la IA para buscar diferencias entre las imágenes de células de melanoma con alto y bajo potencial metastásico, una característica que puede significar la vida o la muerte para los pacientes con cáncer de piel, y luego realizaron ingeniería inversa en sus hallazgos para averiguar qué características de estas imágenes eran responsables de las diferencias.

Utilizando muestras de tumores de siete pacientes y la información disponible sobre la progresión de su enfermedad, incluida la metástasis, los investigadores tomaron videos de aproximadamente 12.000 células aleatorias que viven en placas de Petri, generando alrededor de 1.700.000 imágenes sin procesar. Luego, los investigadores utilizaron un algoritmo de inteligencia artificial para extraer 56 características numéricas abstractas diferentes de estas imágenes.

En Xataka Ciencia

La IA ayuda a identificar a las personas que están en riesgo de pérdida de dientes sin la necesidad de un examen dental

Encontraron entonces una característica que podía discriminar con precisión entre células con potencial metastásico alto y bajo. Al manipular esta característica numérica abstracta, produjeron imágenes artificiales que exageraban las características visibles inherentes a la metástasis que los ojos humanos no pueden detectar. Concretamente, las células altamente metastásicas produjeron más extensión con forma de pseudópodos (un tipo de proyección en forma de dedos) y tuvieron una mayor dispersión de la luz, un efecto que puede deberse a sutiles reordenamientos de los orgánulos celulares.

Un grupo de investigadores ha presentado una nueva empresa que utilizará la inteligencia artificial para buscar tecnología alienígena.

El Proyecto Galileo utilizará una red de telescopios y estudios astronómicos para buscar evidencia de “civilizaciones tecnológicas extraterrestres”.

Proyecto encabezado por Avi Loeb

El equipo planea desarrollar algoritmos que escaneen datos de telescopios en busca de artefactos extraterrestres. El grupo también utilizará estudios astronómicos existentes y futuros 'para descubrir y monitorear las propiedades de los visitantes interestelares del sistema solar'.

En Xataka Ciencia

La NASA confirma que Ceres tiene grandes cantidades de agua bajo su superficie

Los investigadores vinculados al proyecto aseguran que ya han recibido 1,75 millones de dólares en financiación de donantes privados, y está encabezado por el profesor de Harvard Avi Loeb, quien originó cierta polémica al sugerir que un objeto que pasó a través de nuestro sistema solar podría ser tecnología alienígena.

Apodado 'Oumuamua, el intruso interestelar fue el primer objeto confirmado de otra estrella en visitar nuestro sistema solar. Muchos expertos en astronomía, sin embargo, han descartado la hipótesis.

En Xataka Ciencia

Este microorganismo prospera más rápidamente en un meteorito que en rocas de origen terrestre

No obstante, Loeb cree que 'Oumuamua y los fenómenos aéreos no identificados son lo suficientemente anómalos como para motivar más investigaciones sobre tecnología extraterrestre:

La ciencia no debe rechazar posibles explicaciones extraterrestres debido al estigma social o preferencias culturales que no conducen al método científico de investigación empírica e imparcial. Ahora debemos 'atrevernos a mirar a través de nuevos telescopios', tanto literal como figurativamente.

Tomemos un ejemplo del mundo real particularmente conflictivo: sería imposible preguntar a los 6,7 millones de personas en Libia exactamente cómo se sienten acerca de la situación política actual, porque incluso si solo dedicara 10 minutos por persona, hacerlo llevaría 127 años, sin mencionar que el encuestador podría ser parciales, corrupto o ignorante.

Sin embargo, una inteligencia puede prestar atención a miles de flujos de datos simultáneamente en tiempo real. Se podrían eliminar las encuestas y sondeos tradicionales utilizando una inteligencia artificial no solo para presentar las preguntas y registrar las respuestas, sino para identificar sesgos y recopilar e interpretar los resultados en tiempo real.

Mejor democracia

Sabemos que una pregunta puede inducir una respuesta particular en función de cómo esté formulada. También las preguntas pueden estar limitadas a cuestiones que no tienen en cuenta todo el problema: por ejemplo, preguntar sí o no a la independencia de Cataluña puede ser torticero en el sentido de que mucha gente quiere la independencia, pero ¿por qué no preguntar independencia de esta manera o de esta otra? ¿O independencia frente a otra medida diferente? Etcétera.

En Xataka Ciencia

La verdadera base psicológica del voto electoral no son las convicciones sino la identidad de grupo

No obstante, diseñar encuestas y sondeos a través de una inteligencia artificial originaría una mayor transparencia y responsabilizaría a quienes hacen las preguntas por cualquier pregunta engañosa, intencional o de otro tipo. Además, les daría a los encuestadores y científicos la oportunidad de hacer preguntas de seguimiento, explicar la confusión y lidiar con datos extravagantes de inmediato.

Y es algo que ya estamos empezando a hacer. Volviendo al primer ejemplo, cuando las fuerzas libias firmaron un alto el fuego el año pasado, no fue la astucia de los políticos o la diplomacia de los embajadores quienes negociaron la paz. Fueron las Naciones Unidas y una startup de IA relativamente desconocida. Esta startup se llama Remesh y crea herramientas que permiten a las organizaciones realizar encuestas en tiempo real con más de 1.000 personas simultáneamente.

En Xataka Ciencia

Si tienes opiniones políticas moderadas te van a valorar peor que si las tienes extremas

Básicamente, el sistema permite mostrar información de una audiencia en vivo. Por ejemplo: si quisieras sondear a 100 personas sobre el sabor de un nuevo dulce, tradicionalmente les enviarías un cuestionario y luego contarías las respuestas para ver qué pensaba la mayoría. Pero con Remesh, puedes hacer preguntas de seguimiento casi en tiempo real para brindarles a los encuestados la oportunidad de expandirse o explicar.

Y, en lugar de encargarle a un pobre equipo de humanos que intente moderar las respuestas de cientos o miles de personas a la vez, la IA hace todo el trabajo pesado casi instantáneamente. Básicamente, Remesh convierte los resultados de la encuesta en una conversación con las personas que la responden, mientras la realizan. Según lo explica el Washington Post:

Se pidió a los participantes en Yemen y Libia que visitaran un enlace web, respondieran preguntas abiertas y respondieran a las encuestas en sus teléfonos inteligentes. Se les pidió que identificaran a qué comunidad representaban o con qué partido se identificaban fuertemente. Toda la información fue compartida con figuras políticas locales que pudieron responder en vivo por televisión o actuar de acuerdo a lo que diga la audiencia.

Este tipo de estrategias podría abrir camino a otros tipos de democracia más pura, o quizá menos tendenciosa. Después de todo, el término democracia se ha convertido en una palabra comodín cuando ni siquiera somos capaces de definirla (pues tiene innumerables acepciones).