marzo 2023

En 1998 la Red Latinoamericana y del Caribe de Información en Salud creó la Biblioteca Virtual en Salud. Hace 25 años fue firmada la Declaración de San José “Hacia la Biblioteca Virtual en Salud”, esfuerzo liderado por el Centro Latinoamericano y del Caribe de Información en Ciencias de la Salud (BIREME), que hasta la fecha continúa desarrollando el modelo de la Centro Latinoamericano y del Caribe de Información en Ciencias de la Salud (BVS) para la cooperación técnica en información en salud y gestión del conocimiento. Esta iniciativa de la Organización Panamericana de la Salud (OPS) se ha expandido hasta España, Portugal, Mozambique y otros países de habla portuguesa en África, lo que ha facilitado el acceso a la información científica y técnica en salud. Desde su creación la BVS fue pensada como una respuesta ante la masificación del internet, por lo que tomó en cuenta nuevos procesos de operación de las fuentes de información. Actualmente y como lo ha hecho desde su creación, la BVS sigue evolucionando y adaptándose a los diversos contextos de la región. En este sentido, la BVS siempre ha seguido los principios de BIREME, por lo que su principal objetivo es proporcionar acceso a la información y evidencia científica en salud para reducir la brecha entre el conocimiento y la práctica en los países de la región. Actualmente la BVS cuenta con más de 60 instancias, nacionales, temáticas e instruccionales, más de 50 bases de datos y productos de información como las Vitrinas del Conocimiento, Mapas de Evidencias, infometrías, entre otros. La BVS se ha enfrenado a diversos desafíos en los cambios de paradigma acerca del internet, por ejemplo, el almacenamiento en la nube, la ciencia y los datos abiertos, el software libre y la inteligencia artificial. BIBLIOGRAFÍA OPS https://www.paho.org/es/noticias/25-3-2023-bvs-25-anos-logros-desafios-oportunidades

Estudio muestra cómo un modelo de inteligencia artificial puede detectar mutaciones genéticas en tumores cerebrales cancerígenos en menos de 90 segundos. Un equipo de neurocirujanos e ingenieros de distintas universidades en Estados Unidos, desarrollaron un sistema de diagnóstico basado en inteligencia artificial (IA), que detecta mutaciones genéticas a través de imágenes rápidas de muestras de tumores. El estudio titulado: “Clasificación molecular basada en inteligencia artificial de gliomas difusos utilizando imágenes ópticas rápidas y sin etiquetas”, explica los detalles del sistema denominado DeepGlioma y cómo podría ser una herramienta para optimizar el diagnóstico y tratamiento de los gliomas. DeepGlioma es un sistema de detección de diagnóstico rápido menor a 90 segundos, que utiliza IA para agilizar el diagnóstico molecular de gliomas difusos. Su objetivo es mejorar las limitaciones que presentan las pruebas diagnósticas moleculares actuales en pacientes con tumores cerebrales. Este sistema se entrena utilizando un conjunto de datos multimodal que incluye histología Raman estimulada; un método de formación de imágenes ópticas rápido, sin etiquetas y sin consumo; y datos genómicos públicos a gran escala, según explica el estudio. El estudio contó con la participación de 153 pacientes con glioma difuso, el tumor cerebral primario más común y con mayor mortalidad. Los pacientes se sometieron a imágenes de histología Raman estimulada en tiempo real, y DeepGlioma logró predecir alteraciones moleculares logrando una precisión de clasificación molecular media de 93,3%. Esta herramienta basada en IA tiene el potencial de mejorar el acceso y la velocidad del diagnóstico y la atención de pacientes con tumores cerebrales mortales”, dijo el autor principal y creador de DeepGlioma, el Dr. Todd Hollon. Asimismo, el Dr. Hollon explicó que a DeepGlioma crea un camino para la identificación con mayor precisión y más oportuna, que “brindaría a los proveedores una mejor oportunidad para definir tratamientos y predecir el pronóstico del paciente”. Consulta el estudio completo en el siguiente enlace: https://www.nature.com/articles/s41591-023-02252-4 BIBLIOGRAFÍA MICHIGAN MEDICINE https://www.michiganmedicine.org/health-lab/artificial-intelligence-predicts-genetics-cancerous-brain-tumors-under-90-seconds NATURE https://www.nature.com/articles/s41591-023-02252-4

Investigadores de Oregon Health & Science University, probaron un sistema de administración de insulina, que incluye la detección automática de comidas y a través de aprendizaje automático. Los sistemas de circuito cerrado para la administración automatizada de insulina son un estándar de atención importante en el control de la diabetes tipo 1, los cuales permiten que las personas que viven con diabetes controlen mejor su glucosa. Sin embargo, los sistemas actuales requieren que el paciente cuente los carbohidratos manualmente y le indique las comidas al sistema.  El conteo de carbohidratos es un desafío para las personas que viven con diabetes tipo 1 ya que puede generar imprecisiones en el manejo de la diabetes. Existen varios enfoques probados para la detección automatizada de comidas, por ejemplo, la lógica difusa, el filtrado de Kalman, modelos probabilísticos, detección de aumento de glucosa, entre otros. También han sido utilizados recordatorios de comidas basados ​​en gestos de relojes inteligentes o wearables para mejorar el control glucémico. El estudio presenta “un nuevo modelo de aprendizaje automático para la detección de comidas y la estimación del tamaño de las comidas que se incorpora a un sistema sólido de administración de insulina y se prueba en humanos para evaluar la viabilidad y la seguridad de la administración semiautomática de insulina en comidas con una intervención mínima del usuario”, explican los autores. Este sistema de administración de insulina incluye la detección automática de comidas y la estimación del contenido de carbohidratos, logrando así la dosificación de la insulina en las comidas. A este modelo los autores lo denominan páncreas artificial robusto (RAP, en inglés). Para probar el modelo realizaron un ensayo cruzado aleatorizado de un solo centro para comparar el control de la glucosa posprandial (después de la comida) en las cuatro horas posteriores a las comidas no anunciadas utilizando un algoritmo y el sistema RAP. El sistema incluye un modelo de red neuronal que detecta las comidas y administra la dosis recomendada de insulina. En cuanto a los participantes, participaron en el estudio pacientes con diabetes tipo 1 de 18 a 65 años de edad, con diagnósticos de al menos un año y con uso de bomba de insulina durante al menos tres meses. El algoritmo de detección de comidas tiene una sensibilidad del 83,3 %, una tasa de descubrimiento falso del 16,6 % y un tiempo medio de detección de 25.9 minutos. A pesar de que no existe una diferencia significativa en el área incremental bajo la curva de glucosa, el sistema RAP reduce significativamente el tiempo por encima del rango, según explican los autores. “Los resultados de este estudio indican que, si una comida se detecta con precisión dentro de los 25 a 30 minutos posteriores a la comida y se dosifica un porcentaje de la insulina prandial nominal requerida, el tiempo de hiperglucemia puede reducirse significativamente y no hay un aumento significativo del riesgo de hipoglucemia posprandial”, explica el estudio. De esta forma, el estudio muestra evidencia de que los modelos de aprendizaje automático para la detección de comidas y conteo de carbohidratos, se pueden integrar en sistemas de automatizados de administración de insulina para mejorar el control de la glucosa posprandial. Consulta el estudio completo en el siguiente enlace https://www.nature.com/articles/s41746-023-00783-1 BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41746-023-00783-1

Investigadores en Estados Unidos evaluaron las respuestas del modelo generativo de inteligencia artificial (IA) ChatGPT a preguntas sobre ideas erróneas y mitos sobre el cáncer. Cada vez es más normal que las personas recurran a internet para obtener información sobre el cáncer, en Estados Unidos el 80% de los adultos utilizan internet para buscar información sobre salud. Además, los chatbots y sistemas de IA se han convertido en otra opción para recibir información y asistencia en línea. Recientemente fue publicado en Jornal of The National Cáncer Instituto (JNCI) Cancer Spectrum, un artículo sobre ChatGPT y su precisión al responder preguntas relacionadas con mitos sobre el cáncer e ideas erróneas que suelen creerse sobre el cáncer. Actualmente la calidad de información acerca del cáncer que ofrecen los chatbots y otros sistemas de IA son limitadas, de esta forma, los autores realizaron una evaluación sobre la precisión de la información sobre cáncer que brinda ChatGPT, el modelo de IA generativo más utilizado actualmente. Los investigadores utilizaron las 13 preguntas frecuentes de la sección “Common Cancer Myths and Misconceptions” de sitio web del Instituto Nacional del Cáncer (NCI). Y posteriormente compararon las respuestas del sitio con las que arrojó la IA. La revisión por parte de expertos fue realizada de forma independiente para cada pregunta y luego se compararon entre las respuestas ciegas del NCI y ChatGPT. Finalmente, la revisión de los especialistas arrojó que 13 de las 13 respuestas del NCI fueron calificadas como precisas por cinco revisores. Por otra parte, 11 de 13 de las respuestas arrojadas por ChatGPT fueron calificadas como precisas.  Las dos preguntas restantes fueron calificadas positivamente por cuatro de cinco revisores. A continuación, algunas de las preguntas formuladas y las respuestas generadas por ChatGPT.: ¿El cáncer es contagioso? Respuesta de ChatGPT: “El cáncer no es una enfermedad contagiosa, lo que significa que no se puede transmitir de persona a persona como un resfriado o una gripe. El cáncer es una enfermedad en la que células anormales se dividen y crecen sin control, formando tumores. Hay muchos tipos diferentes de cáncer, y cada tipo puede tener una causa diferente. Algunos tipos de cáncer son causados ​​por factores genéticos, mientras que otros pueden ser causados ​​por la exposición a ciertas sustancias, como el humo del tabaco o la radiación. Algunos tipos de cáncer también pueden ser causados ​​por infecciones, como el virus del papiloma humano (VPH), que puede causar ciertos tipos de cáncer, incluido el cáncer de cuello uterino y algunos tipos de cáncer de cabeza y cuello. Sin embargo, estas infecciones no se transmiten por contacto casual y no son contagiosas de la misma manera que lo son las enfermedades infecciosas”. ¿Es el cáncer una sentencia de muerte? Respuesta de ChatGPT: “El cáncer no es necesariamente una sentencia de muerte. El pronóstico para las personas con cáncer depende de muchos factores, incluidos el tipo y la etapa del cáncer, la salud general de la persona y la eficacia del tratamiento. Algunos tipos de cáncer se pueden curar, mientras que otros se pueden controlar mediante tratamientos como cirugía, quimioterapia, radiación o terapias dirigidas. En algunos casos, las personas con cáncer pueden vivir muchos años con la enfermedad, mientras que, en otros casos, el cáncer puede ser más agresivo y progresar rápidamente. Es importante trabajar con un equipo de atención médica para determinar el mejor plan de tratamiento según los detalles de su situación”. En general, las respuestas generadas por ChatGPT fueron más extensas que las del NCI y además ofrecieron otras fuentes de información relevantes. No obstante, a pesar de sus características potencialmente positivas, los autores no estaban seguros de la utilidad de ChatGPT para la información de salud. “Todavía es importante considerar esta posibilidad para cualquier sistema de chat de IA, dado que los usuarios pueden configurar de manera problemática las respuestas del chatbot en un período corto; los investigadores han descubierto que los sistemas de IA pueden «promulgar estereotipos malignos»”, explica el estudio. Los autores concluyen que los resultados de ChatGPT son precisos y similares a las respuestas proporcionadas por el NCI, sin embargo, es necesario continuar investigado para determinar si otros chatbots y sistemas de IA pueden ofrecer información precisa sobre el cáncer de manera consistente. Consulta el estudio completo en el siguiente enlace: https://academic.oup.com/jncics/article/7/2/pkad015/7078555?login=false BIBLIOGRAFÍA JNCI CANCER SPECTRUM https://academic.oup.com/jncics/article/7/2/pkad015/7078555?login=false BID https://blogs.iadb.org/educacion/es/chatgpt-educacion/