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.

Según una nueva investigación de Mayo Clinic, un nuevo algoritmo de inteligencia artificial (IA) que identifica una disfunción cardíaca a partir de un electrocardiograma de derivación única también puede predecir la supervivencia a largo plazo del paciente después de una cirugía cardíaca.

El estudio retrospectivo incluyó revisiones de 20,627 pacientes en la Clínica Mayo en Rochester de 1993 a 2019. Los pacientes se sometieron a un injerto de derivación de la arteria coronaria, cirugía de válvula o ambos, y tenían una fracción de eyección del ventrículo izquierdo de más del 35%.

De estos pacientes, 17.125 tenían una pantalla de EKG AI normal y 3.502 tenían una pantalla anormal. Los pacientes con una pantalla anormal tendían a ser mayores con más comorbilidades.

Algoritmos aplicado al ECG más reciente

El algoritmo se aplicó al ECG más reciente que tenían los pacientes dentro de los 30 días previos a la cirugía. Las características iniciales, así como los datos de mortalidad intrahospitalaria, a 30 días y a largo plazo, se extrajeron de la base de datos de cirugía cardíaca de Mayo Clinic.

La probabilidad de supervivencia a los cinco años fue del 86,2% para los pacientes con una pantalla normal frente al 71,4% para aquellos con una pantalla anormal. La probabilidad de supervivencia a 10 años fue de 68,2% y 45,1%, respectivamente, para los dos grupos.

El análisis mostró que una detección anormal de IA se asoció con un aumento del 30% en la mortalidad a largo plazo después de la cirugía de derivación coronaria o valvular. Para los médicos, esto puede ayudar en la estratificación del riesgo de los pacientes remitidos para cirugía y facilitar la toma de decisiones compartida.

La Infraestructura Distribuida Canadiense para Genómica (CanDIG), presentada recientemente en un número especial de Cell Genomics dedicado al intercambio de datos, es la solución de Canadá para permitir el intercambio de datos en todo el país (y conectar los datos a conjuntos de datos de todo el mundo).

La medicina de precisión requiere grandes volúmenes de datos. Para mejorar el tratamiento de las personas con cáncer o para comprender las enfermedades raras, los científicos y los médicos, así como las tecnologías de inteligencia artificial, requieren acceso a conjuntos más amplios de datos de investigación de la salud que cubren poblaciones diversas y una amplia gama de afecciones.

Inteligencia artificial + Big Data

Para la IA, más datos significa una mejor comprensión de las enfermedades, lo que conducirá a un diagnóstico y tratamiento más precisos. Al mismo tiempo, cada hospital solo verá un número relativamente pequeño de personas con una enfermedad, e incluso en toda la provincia, tenemos acceso solo a una pequeña parte de los datos totales disponibles en todo el mundo.

En Xataka Ciencia

El dispositivo que deduce teorías científicas por sí solo y el futuro de la investigación

Para construir los conjuntos de datos a gran escala necesarios para impulsar la medicina de precisión, el intercambio de datos en todo el país y en todo el mundo es fundamental.

CanDIG es un proyecto impulsor de la Alianza Global para la Genómica y la Salud (GA4GH), un esfuerzo internacional que establece estándares para la genómica y los datos de salud que buscan mejorar la interoperabilidad en el panorama de la genómica en todo el mundo.

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 estudio ha permitido usar herramientas mejoradas por inteligencia artificial para proponer con éxito una nueva combinación de fármacos para su uso contra un cáncer cerebral infantil incurable, el glioma pontino intrínseco difuso (GPID).

El GPID es un tipo de cáncer que se presenta en el tronco encefálico, la parte del cerebro justo por encima de la parte posterior del cuello y conectado con la columna. Una cuarta parte de los niños con DIPG tiene una mutación en un gen conocido como ACVR1, pero actualmente no existe ningún tratamiento dirigido a esta mutación.

La mezcla de dos medicamentos

Gracias a este nuevo enfoque se descubrió que el uso de un medicamento llamado everolimus junto con un medicamento llamado vandetanib podría mejorar la capacidad de vandetanib para atravesar la barrera hematoencefálica para tratar el cáncer. La combinación propuesta ha demostrado ser eficaz cuando se probó en ratones y ya se ha probado en una pequeña cohorte de niños.

En Xataka Ciencia

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

La hipótesis inicial del estudio provino de BenevolentAI, una empresa que ha construido una plataforma líder de descubrimiento de fármacos de inteligencia artificial (IA) y su propia línea interna de programas de descubrimiento de fármacos.

El proceso involucró a expertos científicos que buscaron en el gráfico de conocimiento biomédico de BenevolentAI utilizando herramientas computacionales. El gráfico de conocimiento contiene todos los datos biomédicos disponibles públicamente, así como más información que el sistema de aprendizaje automático de BenevolentAI ha ingerido y 'leído' de artículos científicos.

En Xataka Ciencia

Esta inteligencia artificial diagnostica el autismo en menores de 5 años examinando videos cortos del niño jugando con un adulto

El estudio, dirigido por científicos del Instituto de Investigación del Cáncer de Londres y la Fundación Royal Marsden NHS Foundation Trust, es un ejemplo de cómo el uso de un enfoque mejorado con IA puede abrir nuevas puertas para el tratamiento del cáncer al descubrir nuevas formas de combinar los métodos existentes.

Las personas con enfermedad de Alzheimer a menudo conducen distancias más cortas y visitan menos lugares nuevos en comparación con las personas sin ella. Teniendo esto en cuenta, los datos del GPS pueden servir como un biomarcador para identificar el Alzheimer preclínico, según los resultados de un estudio publicado en Alzheimer's Research & Therapy.

Los participantes, 75 personas sin alzheimer preclínico y 64 personas con él, ya estaban inscritos en estudios sobre envejecimiento, demencia y conducción.

Datos analizados por aprendizaje automático

Los investigadores instalaron registradores de datos GPS con software personalizado en los vehículos de los participantes y registraron 1 año de datos de conducción. Los investigadores midieron entonces el rendimiento de conducción (velocidad, aceleración, tirones, frenadas bruscas) y el espacio de conducción (lugares recorridos). Luego, se usó el aprendizaje automático a los conjuntos de datos para predecir la enfermedad.

En Xataka Ciencia

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

Utilizando únicamente los indicadores de conducción, el modelo predictivo alcanzó una puntuación de precisión de 0,89, lo que indica que el modelo predijo correctamente la enfermedad el 89% de las veces. El modelo identificó correctamente al 76% de los participantes con alzheimer preclínico. Las características de conducción más estrechamente relacionadas con la esta dolencia incluyeron la cantidad de conducción nocturna y exceso de velocidad.

Una limitación del estudio fue la incapacidad del dispositivo GPS para detectar quién conducía los vehículos, ya fuera el participante, un cónyuge o un miembro de la familia. Las limitaciones adicionales incluyeron a todos los participantes que residen en el área metropolitana de St. Louis, Missouri; por lo tanto, es posible que los resultados no se apliquen a la población general. El estudio tampoco examinó el nivel socioeconómico, el sexo, la raza, los ingresos o el nivel educativo.

El trastorno del espectro autista es difícil de diagnosticar en menores de 5 años, así que la atención temprana raramente se aplica. Para subsanar este problema, un equipo interdisciplinario de la Universidad de Ginebra (UNIGE), Suiza, ha desarrollado un algoritmo de inteligencia artificial (IA) basado en el análisis automatizado de videos, que permite estudiar la comunicación no verbal de los niños de manera anónima y estandarizada.

80 % de acierto

El trastorno del espectro autista afecta a uno de cada 54 niños y se caracteriza por dificultades en las interacciones sociales, habilidades de comunicación alteradas y por la presencia de comportamientos repetitivos e intereses restringidos.

Esta tecnología clasificó correctamente el 80% de los casos a partir de videos cortos que muestran a un niño con o sin autismo menor de 5 años jugando con un adulto. Estos resultados, publicados en la revista Scientific Reports, allanan el camino para una herramienta para la detección temprana del trastorno autista.

Para hacer esto, primero utilizaron una tecnología llamada OpenPose, desarrollada en la Universidad Carnegie Mellon. Esta tecnología de visión por computadora extrae los esqueletos de personas en movimiento captados en un video y permite el análisis de gestos eliminando todas las características que pudieran ser discriminatorias (edad, sexo, escenario, etc.), manteniendo solo las relaciones de esqueletos en el espacio y el tiempo. Luego, el equipo de investigación de UNIGE desarrolló su algoritmo de inteligencia artificial adaptado para detectar el autismo y lo probó en 68 niños con desarrollo típico y 68 niños con autismo, todos menores de cinco años.

Si el diagnóstico se hace antes de los 3 años, a menudo es posible compensar estos retrasos en el desarrollo. Las intervenciones conductuales específicas pueden cambiar por completo sus trayectorias de adquisición de habilidades y permitirles integrarse en una escuela convencional

Un método basado en el aprendizaje profundo que puede predecir la posible aparición de la enfermedad de Alzheimer a partir de imágenes cerebrales con una precisión de más del 99 por ciento ha sido desarrollado por investigadores de las universidades de Kaunas, Lituania.

El método se desarrolló analizando imágenes de resonancia magnética funcional obtenidas de 138 sujetos.

Deterioro cognitivo leve o DCL

Uno de los primeros signos posibles de la enfermedad de Alzheimer es el deterioro cognitivo leve (DCL), que es la etapa entre el deterioro cognitivo esperado del envejecimiento normal y la demencia.

Según la investigación anterior, la resonancia magnética funcional (fMRI) se puede utilizar para identificar las regiones del cerebro que pueden estar asociadas con la aparición de la enfermedad de Alzheimer. Las primeras etapas de DCL a menudo casi no tienen síntomas claros, pero en bastantes casos pueden detectarse mediante neuroimágenes.

En Xataka Ciencia

Esta nueva herramienta de inteligencia artificial podría diagnosticar la demencia a partir de un solo escáner cerebral

Sin embargo, aunque teóricamente posible, el análisis manual de imágenes de resonancia magnética funcional que intentan identificar los cambios asociados con la enfermedad de Alzheimer no solo requiere un conocimiento específico, sino que también requiere mucho tiempo: la aplicación del aprendizaje profundo y otros métodos de inteligencia artificial puede acelerar esto por un margen de tiempo significativo.

Encontrar características de DCL no significa necesariamente la presencia de una enfermedad, ya que también puede ser un síntoma de otras enfermedades relacionadas, pero es más un indicador y una posible ayuda para orientarse hacia una evaluación por parte de un profesional médico. Según el autor principal del estudio:

En Xataka Ciencia

El uso de IA para analizar llamadas telefónicas de las prisiones podría aumentar los prejuicios raciales en la actividad policial

El procesamiento de señales moderno permite delegar el procesamiento de imágenes a la máquina, que puede completarlo con la suficiente rapidez y precisión. Por supuesto, no nos atrevemos a sugerir que un profesional médico deba confiar en un algoritmo al cien por cien. Piense en una máquina como un robot capaz de realizar la tarea más tediosa de clasificar los datos y buscar características. En este escenario, después de que el algoritmo informático selecciona los casos potencialmente afectados, el especialista puede examinarlos más de cerca y, al final, todos se benefician ya que el diagnóstico y el tratamiento llegan al paciente mucho más rápido.

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.

Un sistema de inteligencia artificial que podría diagnosticar la demencia a partir de un solo escáner cerebral ha sido desarrollado por investigadores de la Universidad de Cambridge.

Las pruebas preclínicas sugieren que la tecnología puede detectar signos de demencia años antes de que se desarrollen los síntomas. El sistema ahora se está evaluando en ensayos clínicos.

Tecnología prometedora

El algoritmo del sistema busca patrones en los escáneres cerebrales que los neurólogos no pueden detectar. Luego, estos se comparan con los resultados del paciente en una base de datos para hacer un diagnóstico.

En Xataka Ciencia

Las encuestas y sondeos podrían ser más fidedignos y en tiempo real si estuvieran realizadas por una inteligencia artificial

Según explica Zoe Kourtzi, de la Universidad de Cambridge, el sistema podría mejorar los resultados de los pacientes:

Si intervenimos temprano, los tratamientos pueden comenzar temprano y ralentizar la progresión de la enfermedad y, al mismo tiempo, evitar más daños. Y es probable que los síntomas ocurran mucho más tarde en la vida o que nunca ocurran.

En Xataka Ciencia

Laa inteligencia artificial puede ayudarte a elegir tu próxima carrera y mantenerte a la vanguardia de la automatización

La herramienta ahora se está probando en clínicas de memoria en todo el Reino Unido. Los investigadores esperan que alrededor de 500 pacientes participen en el primer año del ensayo.