octubre 2020

Investigadores del Chan Zuckerberg Biohub, una iniciativa conjunta de UC Berkeley, UC San Francisco y la Universidad de Stanford, se encuentran trabajando en una técnica de aprendizaje automático y tecnología en la nube que pueda conocer con mayor precisión la cantidad de casos de COVID-19 no reportados. La Inteligencia Artificial ha desempeñado un rol cada vez más relevante para las ciencias médicas durante los últimos años. En 2020, durante la pandemia, han surgido diversas estrategias por parte de centros de investigación en salud y autoridades de salud en diversos países, para medir las tendencias y la evolución del panorama epidemiológico.  Este proyecto de Chan Zuckerberg Biohub, pretende ser una herramienta para reducir la propagación de COVID-19. “Ahora es bien sabido que las infecciones asintomáticas son un fenómeno común en la propagación del coronavirus. Y es muy importante entender ese fenómeno porque, dependiendo de cuántas infecciones asintomáticas haya, las intervenciones de salud pública pueden ser diferentes”, dijo la Dra. Lucy Li, científica de datos en Chan Zuckerberg Biohub en entrevista con HealthITAnalytics. La misma Li en conjunto con el investigador Patrick Ayscue también de la Chan Zuckerberg Biohub, publicaron en junio un artículo sobre la utilización de genomas virales para estimar contagios de COVID-19 no detectados. “Para los brotes de enfermedades en los que se pueden detectar todas y cada una de las infecciones, las pruebas rápidas y una pequeña cantidad de rastreo de contactos son suficientes para controlar la epidemia. Pero para el coronavirus, debido a que hay tantas infecciones asintomáticas, las pruebas por sí solas no ayudarán a controlar la pandemia”, mencionó la investigadora. A través del intercambio y la mayor disponibilidad de datos y herramientas innovadoras, como la IA, a través del aprendizaje automático será posible detectar con mayor precisión el comportamiento de los contagios “Los datos que estoy usando son los genomas virales, el ADN viral. A medida que los genomas virales se propagan por la población, acumulan mutaciones. Generalmente, estas mutaciones no son buenas ni malas, son solo cambios en el genoma. Cada vez que el virus se transmite a una nueva persona, podría acumular nuevas mutaciones. Entonces, si sabemos qué tan rápido muta el virus, podemos inferir cuántos enlaces de transmisión faltantes había entre los genomas observados”, explicó Li en entrevista con el medio especializado. A través de ese tipo de datos, es como el modelo es entrenado ya que puede hacer “simulaciones” de diferentes escenarios para saber qué es lo que se conoce de estos genomas virales, además el aprendizaje automático optimiza y agilizan estos procesos que antes requerían mayor tiempo. “Antes de que la computación en la nube fuera más común y estos grandes recursos computacionales estuvieran disponibles, algunos de estos análisis podían tardar meses en ejecutarse. He visto artículos basados ​​en meses de ejecución de un modelo muy complejo”, explica la investigadora, que a la vez reconoce la importancia de aplicar las nuevas tecnologías para lograr mejores resultados. “Pero al tener acceso a más recursos computacionales en la nube, podemos acortar ese tiempo de meses a días, porque podemos aprovechar mucha más memoria y paralelizar mejor nuestro análisis”. Los científicos esperan que este modelo pueda ser adoptado por autoridades sanitarias en diversos países. Además explicaron que en cada lugar se pueden obtener diferentes resultados, si se detecta un aumento de casos subregistrados es posible que sea necesario incrementar el número de pruebas en la población, además también este tipo de investigaciones en una escala masiva podrían ayudar a conocer que tan cerca estamos del final de la pandemia. “Al rastrear cuántas personas de la población han sido infectadas por el virus o el número de casos no detectados, podríamos tener una idea de qué tan lejos estamos de eliminar esta enfermedad”, concluyó Li. BIBLIOGRAFÍA HEALTH IT ANALYTICS https://healthitanalytics.com/news/using-machine-learning-to-calculate-unreported-covid-19-cases   MEDRXIV https://www.medrxiv.org/content/10.1101/2020.05.05.20092098v3

Se trata de un sistema que a través de datos lograría predecir los efectos secundarios o reacciones en pacientes al recibir algún tipo de medicamento. El investigador paraguayo Diego Galeano, que forma parte del Programa Nacional de Inventivo a los Investigadores (PRONII) del Consejo Nacional de Ciencia y Tecnología (CONACYT) en colaboración con el especialista en aprendizaje automático e Inteligencia artificial (IA), Alberto Paccanaro, han desarrollado este modelo de IA que predice la probabilidad de predecir reacciones o efectos secundarios en pacientes al recibir su tratamiento. En septiembre fue publicado el articulo: Predecir la frecuencia de los efectos secundarios de los medicamentos, en la revista Nature Communications. “Presentamos un enfoque de aprendizaje automático para predecir las frecuencias de los efectos secundarios de los medicamentos. Mostramos la utilidad de nuestro enfoque para fármacos de múltiples clases terapéuticas y efectos secundarios pertenecientes a todos los sistemas fisiológicos. Dada una pequeña cantidad de efectos secundarios determinados experimentalmente, nuestro método predice las frecuencias de una gama más amplia de efectos secundarios desconocidos. Hasta donde sabemos, este es el primer método computacional que aborda con éxito el problema de predecir la frecuencia de los efectos secundarios de los medicamentos”. El propósito del este novedoso método es predecir los efectos secundarios de los medicamentos para evitar riesgos en los pacientes que pueden llegar a ser letales. Incluso otra de las problemáticas que podría resolver es evitar el desabasto de algunos medicamentos.  Además de los beneficios a los consumidores finales de los medicamentos, este algoritmo lograría ahorrar una enorme cantidad de dinero en las inversiones que realizan las compañías farmacéuticas para desarrollar nuevos fármacos. Alberto Paccanaro, Profesor de Biología Computacional de Royal Holloway, en la Universidad de Londres, resaltó la relevancia de este proyecto: “Existen varios ejemplos de medicamentos que tuvieron que ser retirados del mercado debido a efectos secundarios desconocidos. Nuestro trabajo ayudará a desarrollar medicamentos más seguros para los pacientes.” “Nuestro enfoque para predecir las frecuencias de los efectos secundarios de los medicamentos es utilizar un algoritmo de descomposición matricial que aprende un pequeño conjunto de características latentes (o firmas) que codifican la interacción biológica entre los medicamentos y los efectos secundarios”, explican en la sección de Discusión en el artículo. Los fármacos fueron agrupados en función de sus principales clases anatómicas, terapéuticas y químicas, mientras que los efectos secundarios fueron agrupados según sus categorías de clasificación de órganos y sistemas en MedDRA (Medical Dictionary for Regulatory Activities). El algoritmo de aprendizaje automático fue diseñado para que las compañías farmacéuticas puedan crear medicamentos más precisos y quizá en menor tiempo, por lo que se busca informar primero a dicha industria para que conozcan cuales son los efectos secundarios más recurrentes en los pacientes dependiendo de los medicamentos. El artículo publicado en Nature Communications está disponible de manera gratuita en el siguiente enlace: https://www.nature.com/articles/s41467-020-18305-y#Sec8 BIBLIOGRAFÍA CONACYT PY https://www.conacyt.gov.py/investigador-paraguayo-desarrollo-inteligencia-artificial-predice-efectos-secundarios-medicamentos NATURE https://www.nature.com/articles/s41467-020-18305-y#Sec8

El Hospital Clínic de Barcelona y el Barcelona Supercomputer Center (BSC) desarrollarán un algoritmo basado en Inteligencia Artificial (IA), que contará con una base de información de más de 3 mil informes clínicos para predecir la evolución de COVID-19 en pacientes. El modelo tiene como propósito brindar apoyo a los médicos a predecir la evolución de COVID-19 en los pacientes y así realizar una mejor administración de recursos dentro del hospital y tomar decisiones basándose en datos. Esta innovación forma parte del Plan de Impulso a las Tecnologías del Lenguaje de la Secretaría de Estado de Digitalización e Inteligencia Artificial, en España. Para el desarrollo del algoritmo tomarán como base 3 mil 51 informes clínicos de 2 mil 440 pacientes de COVID-19 que fueron atendidos en el Hospital Clínic durante la primera ola de contagios en España. A través de estos informes, buscarán entrenar el modelo de IA a través de redes neuronales de aprendizaje profundo, el cual encontrará patrones similares en la evolución de la enfermedad en los nuevos pacientes, y además generará predicciones de cómo será su evolución. La característica esencial para que este tipo de modelos funcionen y en este caso puedan aplicarse en más hospitales, es que deben ser entrenados con grandes cantidades de datos, aspecto a los que solo los hospitales grandes pueden tener acceso. El responsable de Informática Médica del Hospital Clínic, Xavier Pastor explicó que la pandemia ha impulsado la posibilidad de la colaboración entre instituciones para la investigación en salud, que apoye además la toma de decisiones de los profesionales de la salud. “Se han extremado todos los procedimientos para para preservar al máximo la confidencialidad de los datos de salud mediante soluciones tecnológicas, organizativas, legales y sometiendo el proyecto a la consideración del Comité Ético, que ha emitido su dictamen favorable. Además, destacó la importancia de la historia clínica digital para el desarrollo de la base de información: “Con esta colaboración se podrá obtener un valor añadido al gran esfuerzo de los profesionales de la Salud que en condiciones excepcionales han utilizado, sin interrupción, la historia clínica informatizada como registro documental en tiempo real de la situación de cada paciente, de las actuaciones que se le han realizado y de los resultados obtenidos”. Por otra parte, Alfonso Valencia director del departamento de Ciencias de la Vida del BSC resaltó la importancia de los informes clínicos para futuras colaboraciones con más hospitales: “Los informes clínicos de casos de COVID-19 contienen información imprescindible para analizar la evolución de la enfermedad, la respuesta a tratamiento y las condiciones anteriores de los pacientes que puedan haber sido factores de riesgo. El objetivo último de la colaboración es proveer a los sistemas de salud, y en particular a los hospitales con los que colaboramos, de sistemas informáticos que puedan contribuir al mejorar el tratamiento de los pacientes tanto de esta como de futuras epidemias.” BIBLIOGRAFÍA CONSALUD https://www.consalud.es/saludigital/218/crean-modelo-inteligencia-artificial-predecir-evolucion-pacientes-covid-19_85177_102.html

Colaboración conjunta entre la Universidad Nacional de Cuyo de Argentina (UNCuyo) y la Universidad de Harvard para diseño de modelo de inteligencia artificial para caracterización de tumores Galgo es un algoritmo entrenado a través de aprendizaje automático, diseñado para descubrir marcas moleculares en diferentes tipos de cáncer. Busca identificar patrones de comportamiento biológico para realizar un mejor diagnóstico al realizar caracterizaciones clínicas y consideras cuales serían los tratamientos más adecuados. Este proyecto reúne a un grupo interdisciplinario de investigadores de la UNCuyo a través del Instituto de Bioquímica y Biotecnología de la Facultad de Ciencias Médicas y del Laboratorio de Sistemas Inteligentes de la Facultad de Ingeniería, además del Instituto de Medicina y Biología Experimental de Cuyo y de los Departamentos de Radiación Oncológica y de Células Madres y Biología Regenerativa, de la Universidad de Harvard. La investigación ha sido financiada a través de subsidios del Consejo Nacional de Investigaciones Científicas y Técnicas de Argentina (CONICET) y publicó sus primeros avances en la revista científica Bioinformatics, perteneciente a la Universidad de Oxford, bajo el título “Galgo: una metaheurística evolutiva bi-objetivo identifica clasificadores transcriptómicos sólidos asociados con el resultado del paciente en múltiples tipos de cáncer”. Martín Guerrero, coautor del estudio y líder de la investigación explicó la premisa inicial de esta innovación y los desafíos existentes: “Los tumores, cuando comienzan a crecer en nuestro cuerpo, utilizan nuestro propio material genético y lo modifican para usarlo a su favor. Estas modificaciones pueden observarse de forma indirecta a través de las señales moleculares que expresan las células. Estas señales son el resultado de la expresión de una serie de moléculas denominadas ARN mensajero (mRNA) que podemos identificar con novedosas técnicas moleculares a partir de una biopsia del tejido tumoral del paciente. La dificultad se encuentra en que, en analogía a las frecuencias de radio, si uno no sabe qué buscar, solo se observa ‘ruido’, señales incongruentes que no podemos interpretar”. Guerrero explicó cómo los avances de investigación en este ramo de medicina biológica y biotecnología, han llevado a descubrir “firmas génicas” de algunos tipos de cáncer. Por lo que espera que la gran cantidad de señales moleculares que han sido detectadas por los nuevos métodos puedan incrementar y ser más eficaces al determinar las “firmas génicas” de más tipos de cáncer. Además el investigador explicó cómo funciona el algoritmo a través de nuevas técnicas moleculares que involucran Inteligencia Artificial: “Para esto, nuestro equipo propuso un algoritmo de inteligencia artificial que hace una búsqueda entre este océano de combinaciones para dar con la combinación, que nos permite identificar los patrones de comportamiento biológico de los diferentes tumores, con lo cual podemos caracterizarlos e identificar no solo como se van a comportar clínicamente, sino también a qué tratamientos pueden ser sensibles o resistentes”. El algoritmo ha sido probado y reproducido en los tipos de cáncer identificados, siendo más efectivos que métodos analíticos comerciales. “Esto quiere decir que Galgo es aplicable a cualquier tipo de cáncer, dado que tengamos los suficientes datos como para que el algoritmo pueda aprender de ellos, lo cual lo convierte en una herramienta invaluable para todos aquellos tipos de cáncer que todavía no han logrado ser diseccionados molecularmente y que muchas veces tratamos de forma genérica debido a que no tenemos mucha información sobre los mismos”, explicó Guerrero, quien continuará en el desarrollo de este tema en su tesis doctoral en Medicina Biológica. En cuanto a las aplicaciones de Galgo, se encuentra siendo utilizado en la Universidad de Harvard en un grupo de pacientes de cáncer de mama quienes poseen una alteración molecular específica. De esta forma, es posible que los especialistas diseñen estrategias terapéuticas específicas para el tratamiento de las pacientes. BIBLIOGRAFÍA UNCUYO http://www.uncuyo.edu.ar/prensa/desarrollan-un-algoritmo-que-identifica-firmas-geneticas-en-multiples-tipos-de-cancer